关键词： 轨道交通   骨架识别   模式识别   城轨车站安全   乘客行为特征辨识   ST-GCN  

摘要： 城市轨道交通领域传统监控分析方法对视频监控图像(如摔倒、晕倒和打斗等异常行为识别)漏识率高、参数调整复杂,且难以高效地应用于现实城轨车站监控场景,针对此问题,采用基于骨架模式识别的人体姿态特征辨识框架,引入基于人体骨架的姿态估计技术,采用Alpha Pose模型对乘客姿态进行精确估计,并结合时空图卷积网络(spatial temporal graph convolutional networks,ST-GCN)模型的方法,实现对城轨车站监控场景中异常行为的辨识。在COCO数据集和MPII数据集上分别达到了72.3 mAP和82.1 mAP的效果,相比较于Open Pose模型提升高达17%,验证了模型的有效性和实用性。结果表明,本文所提出的方法不仅提高了乘客行为的识别速度,同时具备对复杂场景的适应能力,为城轨安全监控提供一种新的技术方案。

关键词： 旋覆代赭汤   指纹图谱   化学模式识别   网络药理学   质量标志物  

摘要： 目的通过指纹图谱结合化学模式识别以及网络药理学筛选旋覆代赭汤的质量标志物。方法用不同方法制备15批旋覆代赭汤供试品,建立UPLC指纹图谱并进行共有峰指认和相似度评价。运用聚类分析及正交偏最小二乘判别分析等化学模式识别方法对指纹图谱进行研究,寻找造成差异的标志性成分,再运用网络药理学预测标志性成分的作用靶点和通路,构建“成分-靶点-通路”网络图,并进行细胞实验验证,从而筛选出旋覆代赭汤的质量标志物。结果15批旋覆代赭汤中共有23个共有峰,指认出其中16个成分并对其进行归属,化学模式识别分析寻找出4个差异标志性成分。通过网络药理学筛选出这4个成分的20个关键靶点和20条关键信号通路,通过细胞实验,发现旋覆代赭汤可显著抑制脂多糖诱导的巨噬细胞RAW264.7炎症模型中STAT3和JAK2磷酸化,结果表明绿原酸、1,5-二咖啡酰奎宁酸、1-O-乙酰旋覆花内酯、人参皂苷Rb1这4个成分可作为旋覆代赭汤潜在的质量标志物。结论该方法筛选出4个可作为旋覆代赭汤潜在质量标志物的化学成分,为旋覆代赭汤质量标准的建立提供了基础和借鉴,同时也为旋覆代赭汤相关制剂的开发提供参考。

关键词： 压力容器   损伤模式   腐蚀减薄   无损检测   疲劳裂纹  

摘要： 本章研究了基于损伤模式识别的压力容器检验技术,系统分析了压力容器的常见损伤模式及其形成机理,如腐蚀减薄、机械损伤、疲劳裂纹等。通过讨论宏观检验、无损检测技术、壁厚测定等关键检验方法,提出了针对这些损伤的预防性措施,包括腐蚀防护、机械损伤修复以及安全附件的定期检验与维护。文章还展望了未来压力容器检验技术的优化方向,探讨了智能化、自动化技术在提升检验效率与精度中的应用。研究结果为提高压力容器的运行安全性和延长使用寿命提供了技术支持和方法指导。

关键词： 输变电施工设备   故障模式   维修策略   相关性分析  

摘要： 针对某变电站输电线路项目中的吊车设备,采用统计分析和相关性分析方法,对设备故障模式进行识别,对振动频率、温度、电流、负载和工作时间等关键参数进行分析,识别了设备故障的主要特征,揭示各变量与故障模型间的显著关系。基于分析结果提出了定期监测、预防性维护和数据驱动的维修策略,以提高设备运行的可靠性,降低故障率,确保项目顺利进行。此研究结果为设备故障诊断和维修提供了科学依据,对工程项目的设备管理具有重要的实践意义。

关键词： 人工智能   计算机网络安全   防护策略   深度学习   模式识别  

摘要： 随着信息技术的飞速发展,计算机网络已经成为人们日常生活和工作中不可或缺的组成部分,但随之而来的网络安全问题也日益凸显。本研究针对网络安全威胁分析,构建了一种基于人工智能的网络安全防护策略。通过对网络入侵、恶意软件等安全问题进行深度学习与模式识别,提供了一种智能化的、动态的安全防护方法。结果 显示,方法 能有效预测并防御未知的网络威胁,降低了安全事件的发生频率,相比传统的网络防护策略,其对复杂和隐蔽的网络攻击的识别率和防护效果有显著提高。此外,这种基于人工智能的安全防护策略能实现自我学习和优化,提高了系统的自适应能力和防护效能。研究表明该策略对于提高网络系统的安全性,避免或减少因网络安全问题带来的损失有重要的实用价值和广阔的应用前景。

关键词： 中国计算机学会   人工智能   模式识别   学术活动   学术动态   CCF   最新研究成果   参会者  

摘要： 主办单位:中国计算机学会(CCF)承办单位:CCF人工智能与模式识别专委会,云南大学中国计算机学会人工智能会议(CCFAI,CCF Conference on Artificial Intelligence)是由中国计算机学会主办,中国计算机学会人工智能与模式识别专业委员会承办的人工智能领域盛会。该系列会议每两年举行一次,现已成为国内人工智能领域最主要的学术活动之一。会议旨在为人工智能领域从业者提供一个互动交流平台,使参会者了解人工智能前沿学术动态,分享人工智能领域的最新研究成果和创新思想,提高国内人工智能领域的研究水平。

关键词： 陈香露白露片   一测多评法   高效液相色谱法   化学模式识别  

摘要： 目的:通过HPLC多成分一测多评含量测定方法及多模式化学识别方法对陈香露白露片进行质量分析研究。方法:采用高效液相色谱法,以橙皮苷为内参物,建立与其他5个成分之间的相对校正因子,计算5种待测成分的含量,实现一测多评。同时与外标法测定结果进行比较,验证QAMS法的定量评价和稳定可控。通过聚类分析(CA)、主成分分析(PCA)、正交偏最小二乘法判别分析(OPLS-DA)分别探讨不同厂家陈香露白露片的质量。结果:橙皮苷与甘草苷、甘草酸铵、β-细辛醚、木香烃内酯、去氢木香内酯的相对校正因子分别为0.681、3.744、0.680、1.030、1.068,然后与外标法进行比较。CA可将17批次陈香露白露片聚类为2类,PCA结果提取了2个主成分,OPLS-DA能有效地将不同厂家的产品明显区分开来。结论:以橙皮苷为内参物,建立陈香露白露片中5个成分的QAMS法准确、可行,可用于陈香露白露片的定量分析及质量控制。

关键词： 大数据技术   特高压变电站   变压器故障模式识别  

摘要： 针对特高压变电站变压器故障检测中存在的准确率低、反应速度慢等问题,本文提出了一种基于大数据技术的故障模式识别系统。该系统由数据采集、数据处理和故障模式识别三个核心模块组成,利用高精度传感器和监测设备实时采集变压器运行数据,采用大数据技术对海量数据进行清洗、存储和分析,并应用机器学习算法识别变压器故障模式。实验在多种故障场景下验证了系统的可靠性。本研究为特高压变电站变压器故障检测提供了有效的技术支持,展示了大数据技术在电力系统中的巨大潜力。

关键词： 行人航迹推算   有限状态机   步态检测   模式识别  

摘要： 为提高行人航迹推算(PDR)的定位精度,提出一种基于改进有限状态机(FSM)步态检测的PDR定位算法。通过引入基于K近邻的手机姿态识别算法,实现FSM步态检测算法中各项判断阈值的自适应调整,从而提高步态检测的精度和普适性,并针对不同手机姿态建立相应的Weinberg步长估计模型,增强PDR定位的鲁棒性。实验结果表明,改进步态检测算法不仅可以有效适应各种运动状态,而且各种手机姿态下的检测准确率均达到95%以上;相比基于波峰检测法的PDR模型,改进的PDR模型在四种手机姿态下的距离误差分别减小了91.4%、91.1%、84.6%和33.5%;而与基于传统FSM的PDR模型相比,距离误差则分别减小了61.5%、45.9%、78.5%和3.9%,有效提高了PDR定位精度。

关键词： 都市圈   政府网络   府际合作   公众参与   协同治理  

摘要： 实现都市圈内政府、市场、社会多主体行动的有效协调与有序整合是促进国土空间高质量发展的重要手段。本文提供了基于政策网络的分析框架,对中国34个都市圈的协同治理网络进行了结构性分析,揭示了都市圈治理过程中多方参与主体间的协同关系与模式特征。结果表明,随着都市圈发展能级的提升,参与都市圈建设的政府与非政府行动者的数量逐步增加,并逐步由领导组织型网络治理发展为行政组织型网络治理。都市圈间治理模式的差异也反映了资源分配的地区不平衡,位于较发达地区的都市圈倾向于拥有更多行动者,且更依赖行政组织的推动作用。