关键词： 模式识别   深度学习   卷积神经网络   图像信息   光谱信息  

摘要： 传统模式识别方法在物体、人脸、指纹、军事目标识别等领域中只利用单一的图像信息。当研究对象的图像特征高度相似时,识别率较低,如对于真假目标的识别,仅仅利用物体的图像信息很难得到满意的识别结果。针对上述问题,提出了一种综合利用图像和光谱信息的物体真假模式识别方法。该方法采用卷积神经网络模型,通过迁移学习的方式构建图像识别模型,并依据物体图像的语义特征进行物体类别识别,在此基础上,基于逆传播(back propagation,BP)神经网络模型,结合物体的实测光谱数据进行物体真假识别。为了验证该方法的准确性和有效性,利用真假苹果和葡萄作为测试对象,单独利用图像信息和光谱信息进行识别时,识别率分别为38.50%和63.00%,而利用该综合方法得到的识别率为95.00%。可认为该方法提高了真假目标混杂情况下的识别准确度,可为物体识别、人脸识别、指纹识别、军事目标识别等领域的应用提供重要的参考,也为航天侦查载荷设计提供了新的思路。

关键词： 语音识别系统   人工智能   参数提取   模式匹配   模式识别  

摘要： 语音识别技术是生物识别技术的一种,是继传统的依靠生物特征进行识别的技术(指纹与掌纹)之后出现的一种新技术。语音识别技术通过对一种或多种语音信号进行特征分析,以实现对声音信号的匹配和辨别。将人工智能嵌入到语音识别技术中,在矢量化模型建立、特征参数提取、模式匹配和分析处理过程中具有更大优势。实验结果表明,通过基于人工智能的语音识别系统对语音对象进行语音识别,速度快,准确率高。

关键词： CNN   ultra-wideband radar   respiration pattern   pattern recognition   sleep quality  

摘要： Recently, various studies have been conducted on the quality of sleep in medical and health care fields. Sleep analysis in these areas is typically performed through polysomnography. However, since polysomnography involves attaching sensor devices to the body, accurate sleep measurements may be difficult due to the inconvenience and sensitivity of physical contact. In recent years, research has been focused on using sensors such as Ultra-wideband Radar, which can acquire bio-signals even in a non-contact environment, to solve these problems. In this paper, we have acquired respiratory signal data using Ultra-wideband Radar and proposed 1D CNN (1-Dimension Convolutional Neural Network) model that can classify and recognize five respiration patterns (Eupnea, Bradypnea, Tachypnea, Apnea, and Motion) from the signal data. Also, in the proposed model, we find the optimum parameter range through the recognition rate experiment on the combination of parameters (layer depth, size of kernel, and number of kernels). The average recognition rate of five breathing patterns experimented by applying the proposed method was 93.9%, which is about 3%similar to 13% higher than that of conventional methods (LDA, SVM, and MLP).

关键词： 交通标志   模式识别   图像预处理   图像聚类   样本优化   深度学习   卷积神经网络   智能汽车  

摘要： 为了提高交通标志图像识别的准确性和实时性,提出一种基于图像聚类的交通标志CNN快速识别算法。利用图像聚类算法对原始数据集进行样本优化;采用多种图像预处理操作使样本整体质量进一步提升;构造了深度为9的CNN结构,通过多次训练得到最终的网络模型,将待识别的图像输入到CNN模型来实现自动识别。在德国交通标志数据集(German traffic sign recognition benchmark,GTSRB)和比利时交通标志数据集(Belgium traffic sign dataset,BTSD)上证明了算法的有效性,单张图片的识别速度只需0.2 s,识别精度高达98.5%以上。本算法具有识别速度快、准确率高的特点,可为智能驾驶的可靠性和安全性提供理论依据和技术支持。

关键词： 网络异常行为   异常检测   模式识别   流量特征建模   深度学习  

摘要： 基于流量特征建模的网络异常行为检测技术通过对网络流量进行特征匹配与模式识别,进而检测出潜在的、恶意入侵的网络流量,是网络异常行为检测的有效手段。根据检测数据来源的不同,传统检测方法可以分为基于传输层信息、载荷信息、主机行为特征等三类,而近年来兴起的深度学习方法已经开始应用于这三类数据,并可以综合应用三类数据,本文从技术原理与特点、实验方式、取得的成果等方面对上述技术路线进行了综述,并分析了存在的主要问题和发展趋势。

关键词： 声发射   早期检测   小波降噪   神经网络   模式识别  

摘要： 鉴于声发射信号对齿轮早期裂纹具有独特的敏感性,对早期齿轮声发射信号的特征识别具有重要意义。介绍小波变换理论及其原理,建立齿轮疲劳试验平台,利用小波阈值降噪对不同工况下齿轮声发射信号进行预处理,获取高能量频段的信号并提取时域、频域特征参数,将其作为BP神经网络的输入,以识别不同工况下的声发射信号。实验结果表明:与去噪后的全频段信号相比,基于高能量频段信号所提取的特征参数具有更高的识别率,为早期齿轮故障信号分析和检测提供借鉴。

关键词： 机器学习   中国   专业委员会   人工智能   模式识别   贵州大学   学术活动   研究成果  

摘要： 第十七届中国机器学习会议(CCML 2019)由中国人工智能学会和中国计算机学会联合主办,中国人工智能学会机器学习专业委员会和中国计算机学会人工智能与模式识别专业委员会协办,贵州大学承办。该系列会议每两年举行一次,现已成为国内机器学习界最主要的学术活动。此次会议将为机器学习及相关研究领域的学者交流最新研究成果、进行广泛的学术讨论提供便利,并且将邀请国内机器学习领域的著名学者做精彩报告。

关键词： 模式识别   数学解题   数学教学   解题过程   智力水平   解题教学   数学问题   学生  

摘要： 1研究缘起在数学教学实际中,作为一线数学教学工作者经常会发现不同学生在处理讲过的题目或者类似讲过的题目时,其解题过程千差万别,这除了学生智力水平的差异外,有没有影响这一结果的其它因素?苏州市教科院院长祁建新教授在一次讲座中,提到了教师在解题教学的过程中应善于跟学生一起进行“思维联结”,即通过回忆已做过的类似题产生正迁移,从而解决新情境中的数学问题.

关键词： 双黄连口服制剂   HPLC指纹图谱   化学模式识别   主成分分析   聚类分析  

摘要： 目的:建立不同剂型的双黄连口服制剂的HPLC指纹图谱,通过化学模式识别的方法全面评价其内在质量。方法:采用HPLC法,确定了40批不同厂家和剂型的双黄连口服制剂指纹图谱的31个共有峰,指认了其中25个共有峰的化学成分,采用指纹图谱相似度评价,结合主成分分析和聚类分析对不同双黄连口服制剂的质量进行评价。结果:40批双黄连样品图谱与对照图谱比较,样品间相似度为0.22~0.99,主成分分析与聚类分析均可将不同双黄连口服制剂很好地分类,且分类结果基本吻合。结论:HPLC指纹图谱结合化学模式识别研究,可以对不同剂型的双黄连口服制剂进行客观有效地评价,有助于双黄连口服制剂的整体质量控制,同时为其质量评价提供一种有效手段。

关键词： 车前子   指纹图谱   化学模式识别   有效成分   大车前苷   木犀草苷   异毛蕊花糖苷  

摘要： 目的:建立车前子HPLC指纹图谱检测方法,结合化学模式识别方法对江西不同产区车前子样品进行分析,并测定其中5种有效成分的含量,为科学评价和有效控制该药材的质量提供参考。方法:利用HPLC检测34批车前子药材,采用'中药色谱指纹图谱相似度评价系统'(2012版)进行相似度评价,以其色谱峰信息为数据来源,利用化学模式识别方法综合分析江西道地药材车前子的质量,对筛选并指认出的5个有效成分京尼平苷酸、大车前苷、毛蕊花糖苷、木犀草苷、异毛蕊花糖苷进行定量分析。结果:江西不同产区车前子样品的相似度均> 0. 86,说明江西不同产区车前子相似度良好。利用正交偏最小二乘法-判别分析能较好地区分不同产区车前子药材,且可判断与车前子质量相关性较强的化学成分。5种有效成分的含量在不同产区车前子中仍存在一定差异,其中尤以大车前苷的含量差别较大。结论:建立的车前子HPLC指纹图谱特征性强,结合化学模式识别方法可有效的评价车前子质量并区分其不同产区,可为该药材的质量控制提供参考依据。