关键词： 图像分割   模式识别   K-means算法   阈值选取  

摘要： K-means聚类算法是图像分割中比较常见的一种方式。它是一种无监督学习方法,能从图像的灰度值特征中发现关联规则,因而具有比较强的分割能力。但是,由于该算法使用的分类依据比较单一,且初始聚簇中心具有不确定性,其在图像分割上仍存在一定的缺陷。针对此问题,提出了一种改进的K-means算法用于图像分割。此方法使用基于信息熵的迭代改进算法为K-means算法选取初始聚类中心,然后对K-means算法提出新的加权质量评价函数用于更好地选取图像分割阈值。实验结果表明:改进后的算法在图像分割上的准确率和稳定性都要优于OTSU算法和传统的K-means算法。

关键词： 姜黄   高效液相色谱指纹图谱   化学模式识别   主成分分析   聚类分析  

摘要： 目的建立姜黄药材的高效液相色谱(HPLC)指纹图谱,结合化学模式识别技术,为姜黄药材鉴别和质量评价提供依据。方法色谱柱为Shimadzu ODS-C18柱(150 mm×4. 6mm,5μm),流动相为乙腈-0. 2%甲酸溶液(梯度洗脱),流速为1. 0mL/min,柱温为35℃,检测波长为254 nm,进样量为10μL。采用“中药色谱指纹图谱相似度评价系统(2004 A版)”计算相似度,结合聚类分析和主成分分析对姜黄药材进行模式识别。结果姜黄药材的HPLC对照指纹图谱中有11个共有峰,并指认了其中3个共有峰成分;10批药材可聚为3类,分析确定了4个主成分。结论该HPLC指纹图谱结合化学模式识别可为姜黄药材的质量控制和品质评价提供参考。

关键词： 模式识别   人脸识别   车辆解锁   深度学习  

摘要： 针对现有车辆解锁方式的一系列弊端,设计了一套基于人脸识别的车辆解锁系统.系统分为硬件和软件部分.硬件采用了模块化设计,并可与自动驾驶或高级驾驶辅助系统共用传感器;软件基于深度神经网络,具备人脸识别和活体检测功能.利用基于Raspberry Pi的模拟系统,验证了硬件方案的可行性和算法的有效性.

关键词： 光纤周界   模式识别   双M-Z   定位  

摘要： 随着经济的快速发展,社会安全也随之变得相当重要,同时一些犯罪分子所采用的犯罪手段也是更加复杂以及高科技;而传统的安防措施大多采用电传感或依靠人力监视,已经无法有效的保证人们的财产以及人身安全.因此,本文提出一种基于双M-Z结构的光纤周界系统,利用光纤的特性进行干扰信号的模式识别,再利用整个周界系统的特殊结构对干扰信号进行高效率的响应以及报警,甚至可以完成准确定位功能.通过对信号处理技术,增大了采集信号的信噪比,实现了良好的识别率以及较高的定位准确率.

关键词： 磁梯度张量   量子粒子群支持向量机   磁目标识别   磁异常信号处理  

摘要： 针对目前地下小型磁目标形状识别局限于磁测数据的反演,受测量精度影响大,识别效果不理想的问题,提出了基于磁梯度张量和支持向量机的地下磁目标模式识别方法.该方法将机器学习的方法引入地下磁目标识别领域,利用量子粒子群改进的支持向量机(QPSO-SVM)识别地下小目标的形状.同时从样本信号中计算并分离出基于磁梯度张量矩阵的9个特征量联合识别磁目标,并对磁异常数据进行化极和延拓处理,提高了数据质量,使数据特征更突出.仿真和实验结果证明,本方法克服了重磁数据正、反演过程中大量的公式推导和计算,降低了对磁测数据精度的依赖,提高了识别正确率.

关键词： C/SiC复合材料   热结构   声发射   损伤模式   模式识别  

摘要： 在对C/SiC复合材料常温拉伸试验的损伤表征和声发射演化特性进行简要分析的基础上,针对构件集成式设计带来的复杂性特点,对某C/SiC热结构在常温静力试验中的声发射特性进行了分析。给出了试验中声发射特征参数的分类特点。根据试验加载中声发射信号规律,给出了结构的损伤演化模式。通过与材料级声发射信号的对比,判断了试验加载与热结构极限破坏载荷之间的裕度。由此将声发射测试从材料级别的研究延伸到大型C/SiC热结构。

关键词： 肌电信号   模式识别   信号去噪   特征提取   BP神经网络  

摘要： 基于表面肌电信号的上肢运动意图识别的研究是上肢康复机器人及智能假肢精确控制的基础。在FourierM2上肢力反馈康复平台上进行了4种上肢动作意图的识别研究。针对上肢表面肌电信号存在的高频噪声、基线漂移以及50Hz工频干扰采用交叉去噪方法对噪声进行有效的滤除。为进一步提高上肢意图识别的准确率,分别在时域和频域对肌电信号进行特征值提取,构造特征向量。选用BP神经网络作为模式分类器实现4种上肢意图动作的分类。实验验证该分类器对10位测试者右肢的4个意图动作(向左、向右、向前、向后)的识别率为90%。

关键词： 振动信号   压缩感知   轨道结构故障   特征征兆指标   密度聚类  

摘要： 本文提出一种基于压缩感知的轨道结构故障模式识别方法。该方法通过设计重构信号的稀疏基与测量矩阵,将原始振动信号稀疏重构,解决了轨道振动信号在设计分类器时会出现"过拟合"的问题。通过构造11个特征征兆指标,研究重构后的数据特征征兆指标分布规律,解决了数据集维度高的问题。将特征征兆指标两两组合,结合密度聚类算法,成功区分轨道结构正常工况、道床板结工况、道床翻浆工况和轨枕空吊工况。利用归一化互信息(NMI)指标评价密度聚类结果有效性。算例表明,该方法实现了大量样本下轨道基础结构不同故障类型的特征征兆指标提取与故障模式识别。本文所提方法能够有效识别轨道结构故障,为轨道结构故障智能诊断与剩余寿命预测奠定基础。

关键词： 机械磨损   铁谱技术   ELM神经网络   磨粒识别模型  

摘要： 将极限学习机(ELM)应用于铁谱磨粒模式识别中,从磨粒彩色图像中提取出磨粒的形状尺寸、颜色、纹理3个方面的特征参数作为ELM的输入,以正常滑动磨粒、严重滑动磨粒、球状磨粒、切削磨粒、氧化物磨粒这5种类型磨粒作为ELM的输出,建立基于ELM的磨粒分类器;将3个方面的17个特征参数进行排列组合建立不同的模型,通过对比实验及分析,确定出最优的模型和磨粒分类器;通过实验比较基于ELM与基于BP神经网络的磨粒分类器性能。结果表明:基于ELM神经网络的磨粒分类器的识别速度平均为150 ms,准确率最高为96%,基于BP神经网络的磨粒分类器的识别速度平均为250 ms,准确率最高为90%。因此,基于ELM的磨粒分类器识别速度更快、准确率更高。

关键词： 印刷品产品质量   印刷品缺陷检测   卷积神经网络   模式识别  

摘要： 目的为了改善传统机器检测印刷产品缺陷存在误费率高的不足。方法提出以卷积神经网络为控制核心的印刷品缺陷检测系统。设计可在实际检测中应用的卷积神经网络,设计在线印刷质量检测系统的硬件结构。结果对结构相同而训练次数、学习率不同的卷积神经网络进行了缺陷检测的性能对比,验证了该卷积神经网络在学习率小于0.01时,可以获得较好的识别效果;在学习率大于0.05时,网络不容易收敛。网络训练次数越多,精度越高,相应的训练时间也较长。在满足快速性和精确度的条件下,确定了适应某印刷品的缺陷检验网络训练次数为50,学习率为0.005,此时的识别率为90%。结论经过实验证明,该检测系统具有良好的缺陷识别能力,缺陷类型的分类准确率较高。该系统具有一定的实用价值。