关键词： 行人模式识别   滑动窗口   时序特征   Bi-LSTM   注意力机制  

摘要： 在室内空间进行准确的行人模式识别/场景感知,特别是与位置关联的识别/感知,对于行人的聚集或追踪具有重要意义.针对传统机器学习方法特征提取困难、分类精度低,非正常性行为造成较大识别误差等问题,提出一种基于注意力机制和双向长短记忆(bidirectional long short-term memory,Bi-LSTM)网络的室内实时行人模式识别的模型.建立Bi-LSTM网络提取滑动窗口内行人模式时序特征,评估模型网络结构的性能与时效性,优化所提网络的Bi-LSTM层数和隐藏层节点数,并确定最优的网络结构;为了削减噪声数据对模型的影响,提高网络筛选信息特征的能力,引入注意力机制对所提取的时序特征进行权重参数优化.实验结果表明,相比传统机器学习算法,优化参数后的Bi-LSTM网络,行人模式识别准确度平均提高6.37%,进一步引入注意力机制后,识别准确度平均提高9.21%,最终准确度可达99.32%.所提模型可以有效对行人模式/场景感知进行分类,为室内精准定位追踪提供方法支持.

关键词： 行为识别   卷积神经网络   呼吸信号   模式识别  

摘要： 人体行为识别技术在许多领域都有广泛的运用,但是目前基于仍然存在传感器类型单一,适用场景有限,捕捉人体活动时特征不足的问题。本文提出了一种可穿戴的多模块传感器的人体行为识别方案,使用惯性传感器和拉伸应变传感器。拉伸应变传感器穿戴于胸前,能够有效的捕捉到不同行为下的人体呼吸信号。同时,本文使用了多尺度的一维卷积神经网络,能够有效的提取传感器数据的特征。实验结果表明,在本文提出的7种活动中,多尺度一维卷积神经网络达到了96.89%的识别率,说明了本文所提出的方法能够很好地用于人体行为识别任务之中。

关键词： 异常检测   网络安全   模式识别   规则匹配   网络攻击   特征提取   攻击手段   系统崩溃  

摘要： API接口异常检测的目的是发现并阻止可能造成数据泄漏、服务中断甚至系统崩溃的异常或恶意请求。常见的API异常状况包括:异常的请求频率、异常的参数值、未授权的存取等。传统的基于规则与特征的异常检测方法在处理海量、多样化的API接口时,难以有效应对复杂的攻击模式。基于此,本文重点论述了深度学习在特征提取、模式识别等方面具有的强大优势,为API接口异常检测提供新思路。一、在网络安全API接口异常检测中应用深度学习的意义作为系统间连接的桥梁,API接口承载了海量的数据与业务逻辑,是网络攻击的主要对象。传统的异常检测方法以规则匹配、统计分析为主,虽有一定效果,但难以应对日趋复杂多变的攻击手段。

关键词： 黄芪   HPLC   指纹图谱   含量测定   化学模式识别   质量评价  

摘要： 本研究通过建立黄芪不同炮制品HPLC指纹图谱及多成分含量测定方法,并结合化学计量法对其进行比较分析,为黄芪炮制品的综合利用提供理论支持。采用HPLC建立黄芪炮制品指纹图谱并进行6种成分的含量测定,并通过聚类分析(hierarchical clustering analysis,HCA)、主成分分析(principal component analysis,PCA)和正交偏最小二乘-判别分析(orthogonal partial least squares discriminant analysis,OPLS-DA)评价不同黄芪炮制品的差异,找寻差异性成分。结果显示,不同炮制品(各10批)共得到20个共有峰,其中指认了6个共有峰,且6个成分在各自的质量浓度范围内线性关系良好(r>0.999),平均加样回收率为100.5%~102.1%,相对标准偏差(relative standard deviation,RSD)为0.77%~2.1%;指纹图谱相似度结果显示,蜜麸黄芪、蜜炙黄芪、盐黄芪、酒黄芪各自10批的相似度均在0.900以上,但不同类型炮制品的相似度降低;聚类分析可将四种炮制品聚为3类,主成分分析与聚类分析结果一致,可相互佐证,正交偏最小二乘-判别分析能有效的将4种炮制品区分,以变量重要性投影(variable importance of projection,VIP)大于1为依据,筛选了9种主要差异成分,确认了毛蕊异黄酮苷、芒柄花苷、5-羟甲基糠醛是引起黄芪不同炮制品间成分差异的主要标志性成分。该研究所建立的黄芪炮制品HPLC指纹图谱结合化学计量法的方法准确可靠,可为黄芪炮制品的质量控制和品质评价提供参考依据。

关键词： 黄土地貌   模式识别   等高线数据   图神经网络  

摘要： 地貌类型识别是多因素联合影响下的复杂决策问题。由于地貌区域环境的广泛性、差异性及地学要素作用的复杂性,简单地引入人工智能方法,通过典型样本监督学习并不能获得该问题的满意结果。因此,本文尝试将等高线形态知识这种测绘自然智能与人工智能结合,在地形形态表达规则和典型地貌类型样本训练联合驱动下,开展混合智能下黄土地貌类型识别研究,提出了整合等高线形态知识与带池化操作图神经网络(graph neural network,GNN)的地貌类型识别方法。本文方法将地貌单元的等高线建模为图结构,并将提取的等高线顶点的形态知识嵌入图节点中,采用带池化操作的GNN模型,挖掘图结构中的高层次特征和上下文信息,以识别地貌类型识别。试验结果证明了本文方法在黄土地貌类型识别上的有效性:在测试数据上获得了86.1%的F 1值,比两个对比方法高出3.0%~8.2%。

关键词： 模式识别   线上线下混合教学模式   教学实践  

摘要： 模式识别是人工智能领域的重要分支,在医疗健康领域有着广泛应用,是首都医科大学生物医学工程专业本科教育中的一门重要专业选修课程。针对模式识别教学中内容涵盖广泛而学时有限、学生编程实践不足等问题,本研究对课程内容与教学方法进行优化改进,采用线上与线下相融合的混合教学模式,丰富前沿动态与专业相关的应用案例,加强学生的编程实践和计算思维训练,以期在有限的教学时间内提升教学质量,全面地满足学生的学习需求。

关键词： 城市形态   城市分类   跨国城市比较   聚类分析  

摘要： 从多维度、大尺度视角识别城市形态模式及其分异,是城市格局、过程及效应研究的基础,但该方向仍是一个重要挑战。综合物理空间和社会空间视角构建了城市形态的多维表征体系和形态模式识别方法;以中国、美国、欧洲的2 475个实体城市为例,识别出6种主要城市形态模式,即高密度型、高聚合低密度型、低聚合低密度型、多中心高集聚型、多中心高混合型和多中心低混合型。中国城市多为高密度型和多中心高集聚型,以胡焕庸线为界呈显著“西北-东南”差异;美国城市多为高聚合低密度型、低聚合低密度型和多中心低混合型,并表现出东西分异;欧洲主要为多中心高混合型城市,少数其他类型城市多沿西南海岸线分布。多维城市形态模式可为跨区域城市比较研究、城市格局和过程效应、城市演化模拟等提供精细化综合分类依据。

关键词： 三叶木通   标准汤剂   配方颗粒   指纹图谱   多成分定量分析   化学模式识别  

摘要： 目的:建立指纹图谱、多成分定量分析和化学模式识别相结合的预知子(三叶木通)配方颗粒质量评价方法。方法:制备预知子(三叶木通)标准汤剂和配方颗粒,建立高效液相色谱法指纹图谱,对其中8个主要成分含量进行测定,并计算转移率和出膏率。进行相似度评价、聚类分析(HCA)、主成分分析(PCA)、偏最小二乘法-判别分析(PLS-DA),评价配方颗粒和标准汤剂化学成分的一致性。结果:预知子(三叶木通)标准汤剂中新绿原酸、绿原酸、隐绿原酸、木通苯乙醇苷B、异绿原酸B、异绿原酸A、异绿原酸C、木通皂苷D质量分数分别为1.94~10.33、2.18~13.77、1.77~9.15、2.31~19.34、1.77~6.48、1.16~5.55、2.55~9.90、0.92~8.93 mg·g–1,转移率分别为36.25%~56.02%、24.64%~40.23%、35.88%~58.41%、29.45%~50.69%、16.55%~29.54%、26.25%~46.59%、25.33%~41.66%、11.03%~17.35%,出膏率为13.59%~24.49%。预知子(三叶木通)配方颗粒指标成分含量、转移率、出膏率与标准汤剂接近,指纹图谱相似度、HCA、PCA、PLS-DA评价表明,配方颗粒和标准汤剂化学成分一致性较好。结论:预知子(三叶木通)配方颗粒与标准汤剂化学成分一致性较好,结果合理、可靠,可为其工艺优化及质量评价提供参考。

关键词： 机器视觉   模式识别   目标跟踪   Meanshift   Camshift  

摘要： 视觉目标跟踪技术是机器视觉、模式识别等相关领域中重要的研究内容之一。受限于场景的复杂度、目标速度、目标的遮挡程度等状况,其相关研究具有一定的难度和挑战性,而均值漂移及其相关算法是解决该类问题的重要途径。首先介绍视觉目标跟踪的研究方法和原理,然后介绍Camshift方法的前身Meanshift方法的原理和算法过程,并做出相应的分析和阐述。再介绍针对Camshift算法的相关研究和改进方法,最后总结Camshift方法的应用情况以及后续可能的研究方向。

关键词： 海底节点   Vz噪声   四分量   模式识别   自适应减法  

摘要： 海底节点地震数据处理时“横波泄露噪声”或“Vz噪声”的压制是去噪处理中的关键环节之一。通常方法是基于P分量模式识别Z分量中的Vz噪声。但在应用中,发现很难通过P分量构架的噪声模型将Z分量中的VZ噪声完全压制干净。因此,该文充分利用OBN(Ocean Bottom Node)数据四分量的优势,提出一种联合R、T、P分量对Z分量噪声进行模式识别和模型构建,进而压制Vz噪声的处理方法。通过本方法,可以更好地提取Z分量中存在的横波噪声,相比原方法具有更好的去噪效果。