关键词： 机器学习   模式识别   算法语言   数据显示   物流供应链   因果关系   主动学习   发展趋势  

摘要： 在人工智能AI领域中,尤其是近年来的ML机器学习有了长足的进步,而人类开发人员设计的算法语言则只是略微有了一-点改变。这种发展趋势导致人工智能AI或许有一天会成为主动学习的智能,随着时间的推移,智能水,平将会不断改进完善。但人工智能AI领域中这样的学习过程需要大量的数据。因为人工智能AI和机器学习ML都是按照模式识别方式进行学习的。提供给算法语言的这些数据显示的是因果关系或者是事件发生前后的状态变化。

关键词： 表面肌电信号   模式识别   主成分分析   极限学习机  

摘要： 为提高手腕动作的识别率,提出了一种将主成分分析(PCA)和极限学习机(ELM)相结合的手腕动作肌电信号识别方法。该方法提取手腕4种动作(内翻、外翻、握拳、展拳)的肌电信号,运用小波变化提取小波特征构造特征矢量,利用PCA算法对特征矢量进行降维,摒弃冗余信息,实现肌电信号特征参数的降维,最后运用ELM对降维后的数据进行识别分类。实验结果表明:将PCA和ELM相结合的方法有着更高的手腕动作识别率,验证了该方法的可行性。

关键词： 人体   运动图像   傅里叶变换   目标模糊模式识别  

摘要： 为了提高人体运动图像的目标模糊式识别精度以及计算性能,提出基于傅里叶变换的人体运动图像的目标模糊模式识别算法.根据Hu-Fourier特征描述子,能够准确提取出人体运动图像目标区域的轮廓特征.在上述基础上,对目标区域进行滑动窗口检测,匹配人体不同部位的模型,将得到的反馈信息通过树形结构进行人体建模,实现人体运动图像的目标模糊模式识别.实验结果表明,所提算法能够在准确性较高的情况下,相比传统算法提高了所提算法的识别速度,并且能够满足实时进行监控的需求.

关键词： 局部放电   模式识别   CNN   LSTM   混合网络  

摘要： 针对传统PD模式识别用统计特征量需要依赖专家经验而缺乏一定的泛化性问题和卷积神经网络(CNN)模式识别算法缺乏PD图谱时序特征信息的问题,文中构建了基于CNN-LSTM深度学习的PD PRPD图谱模式识别模型,该模型综合了CNN善于挖掘PRPD图谱局部空间信息的优点和长短时记忆网络(LSTM)善于挖掘PD图谱时序特征信息的优点,可同时提取PRPD图谱的局部空间特征和时序特征,利用变压器典型绝缘缺陷放电图谱对构建的网络进行性能测试,并与CNN和LSTM对比,结果表明,对于PD图谱稳定的悬浮电位缺陷,CNN-LSTM和CNN的识别能力均为100%,但是对于金属突出物缺陷、油纸气隙缺陷和沿面放电缺陷,CNN-LSTM的识别能力优于CNN,CNN-LSTM网络的整体识别性能优于CNN和LSTM。

关键词： 数据链   小波变换   支持向量机   决策树   模式识别  

摘要： 为解决数据链信号识别分类的问题,提出一种基于支持向量机(support vector machine,SVM)决策树的数据链识别分类方法。通过分析美军常用的数据链通信信号特征,采用小波变换法分析数据链的特征信息,得出小波系数与信号能量分布的关系,根据SVM算法原理,构建目标特征模型,对信号特征量进行识别分类,对SVM分类器的关键参数进行优化设计,并与BP神经网络算法进行对比实验仿真。结果表明:SVM决策树网络分类器在进行收敛速度和准确率表现优异,能改善分类识别效能。

关键词： 陀螺阵列   奇异值分解   FDI   野值剔除   模式识别  

摘要： 陀螺阵列系统中出现的数据异常包括野值点、可恢复故障以及永久性故障(不可恢复故障)。提出了一种基于奇异值分解的数据异常诊断及模式识别的新方法,验证了该方法对不同模式数据异常诊断的有效性,分析了不同模式数据异常的表现形式,构造了新的统计量对不同模式数据异常进行辨识,进行了仿真实验。实验结果表明:该方法对数据异常有较好的诊断效果,计算量小,容易实现,能较准确地识别出陀螺阵列中数据异常的类型。

关键词： 模式识别   文本分类   特征选择   支持向量机   Wrapper方法  

摘要： 模式识别领域中,特征选择作为预处理模块的关键步骤,特征选择函数用来降低特征空间的维数,提高分类器的分类性能。首先分析了特征选择的主要过程,从不同视角探讨了特征选择的分类方法,然后分析了基于SVM进行特征选择的作用,对基于SVM的特征选择算法进行了归纳总结,最后分析对比了基于SVM的三类特征选择的优缺点,指出理论研究和实际应用中的研究热点和应用发展方向。

关键词： 局部放电   模式识别   动态模式分解   分形特征   X-均值聚类  

摘要： 为了解决传统局部放电模式识别方法计算量大、识别速度低的问题,本文采用构造二维谱图的方法进行局部放电模式识别。首先,利用动态模式分解算法构造局部放电的二维谱图,以少于构造传统三维谱图的计算量获取局部放电缺陷信号的二维表征。然后,针对不同缺陷信号的二维谱图提取两种分形特征(分形维数和间隙度),且构造了不同缺陷信号下二维谱图的分形特征数据集。最后,对该数据集进行X均值聚类。结果表明,X均值聚类结果优于传统K均值聚类和模糊C均值聚类算法,并且相比于反向传播神经网络和支持向量机算法,本文所提模式识别方法对3种局部放电缺陷信号综合识别率高,算法运算时间短。

关键词： 气体绝缘金属封闭开关设备   导电微粒   局部放电   模式识别   极限学习机  

摘要： 气体绝缘金属封闭开关设备(Gas Insulated Switchgear,GIS)内部自由导电微粒是影响GIS运行可靠性的重要因素。为了实现GIS内部导电微粒的在线识别,为GIS设备的局部放电严重程度和危险度评估提供理论依据,建立了一套GIS设备局部放电缺陷的试验平台。利用模式识别的方法,在试验过程中采集不同导电微粒的超声波信号,通过对信号的分析和处理,提取出特征,将所提取的不同种类的导电微粒的特征输入到极限学习机(Extreme Learning Machine,ELM)中,通过训练和测试,最终的模型识别正确率能够达到92.58%。该方法为今后GIS设备内部自由导电微粒的识别带来了新思路。

关键词： 日本人工智能   可视化数据分析   文献计量   机器学习   模式识别  

摘要： 人工智能与大数据技术正在深刻改变着当前人们的生活方式与行为能力。在世界各国大力发展人工智能与大数据技术的背景下,日本从积极进行顶层战略规划设计、各大高校与科研机构协力等方面出发,加快对人工智能技术的研究与应用工作。研究发现,日本各主要高校中东京大学在人工智能研究中成果丰富,表现突出,同时东京地区成为日本人工智能学术研究最密集的地区;日本各高校的主要合作机构集中于部分国家科研部门与以美国和中国高校及跨国公司为主的机构;日本在人工智能技术研究方向上多分布于机器学习、数学优化与模式识别等领域。