关键词： 光谱学   中红外光谱   模式识别   参数优化   掺伪判别  

摘要： 开展了独立成分分析(independent component analysis, ICA)联合支持向量机(support vector machine, SVM)模型对食品掺伪的判别.通过傅里叶变换红外光谱仪获得食用植物油(正品油、掺伪油和炸货油)以及奶粉(纯奶粉和掺三聚氰胺奶粉)的中红外光谱,首先,探究不同的光谱预处理方法对所建立模型的影响,经考察选取归一化结合移动平滑对光谱进行预处理;然后采用特征矩阵联合近似对角化(joint approximate diagonalization of eigenmatrices, JADE)方法提取光谱特征信息,其结果优于主成分分析对特征信息的提取效果;通过Kennard-Stone算法划分训练集和测试集,利用贝叶斯优化(Bayesian optimization, BO)对SVM模型参数进行优化.经考察,所构建的JADE-BO-SVM模型对掺伪食品的识别准确度达到100%,该法可为食品掺伪的高效、准确鉴别提供新的途径和思路.

关键词： 洗衣液   傅里叶红外光谱   化学模式识别   真伪鉴别  

摘要： 文章研究了一种通过傅里叶红外光谱技术建立洗衣液图谱库并利用化学模式识别方法对图谱库进行化学计量学分析从而对洗衣液进行真伪鉴别的技术。采集洗衣液的红外光谱图,对光谱图进行一阶求导处理,并采用偏最小二乘判别分析法建立模型。实验结果表明,该方法对洗衣液进行真伪鉴别的准确度为100%,具有简单、快速、无损、准确度高的优点。

关键词： 单向阀   深度卷积神经网络   故障诊断   模式识别  

摘要： 以SV10PB1-30B液控单向阀为研究对象,利用传感器采集3种不同泄漏模式下10个阀芯的振动信号,设计深度卷积模型,开展不同测点(单向阀的上表面和阀座)、不同信号特征提取方式(原始信号、特征值、特征图)下的模式识别研究。结果表明:基于轴向冲击信号特征值和深度卷积神经网络的模型能有效识别故障类型,验证集上的识别准确率高达88.293%,是基于特征图的7.79倍,是基于原始时域冲击信号的1.16倍;训练步数以100的较优,同时该模型对正常阀芯和不同损伤阀芯的分类效果明显。

关键词： 国际中文教育   大语言模型   课堂话语   教学模式   课堂教学分析  

摘要： 国际中文教师的专业发展是提升教学质量的关键。本文以赋能教师反思为目标,以国际中文教育课堂文本数据为基础,首先创新性地提出了一个多层面的国际中文课堂教学模式识别框架,实现了对课堂教学宏观结构和微观互动的精确建模。然后基于大语言模型,设计了自动识别国际中文课堂教学模式的方法,验证了该方法的有效性,并分析了大语言模型应用于课堂教学模式识别的优势与挑战,揭示了人工智能在教学模式识别和教育数据挖掘方面的应用潜力。本文提出的课堂教学模式识别框架对国际中文教师的课堂教学设计和课后反思具有指导和借鉴意义,设计实现的模式识别方法可有效提升课堂分析的智能化程度,助力课堂分析的数字化转型。

关键词： 移动通信侦察   用户码流分离   行为模式识别   深度学习   迁移学习   流量图  

摘要： 对移动通信小区用户的侦察与管控是保证电磁空间安全和正常通信秩序的必要手段。针对目前面向第5代(5G)移动通信侦察无法在用户级别进行精准分析的现状,提出了基于码流分离和统计的小区用户行为模式识别方法。通过通信侦察处理,不仅能够获得基础的系统信令信息,还可以截获、分析用户级别特定的信令与身份信息。根据用户的身份信息和控制信息,通过解调、解扰、解码得到终端的上下行业务码流,并从统计角度获得其流量图。在此基础上,利用深度学习模型进行迁移学习,识别其行为是通话、短信还是上网,从统计学意义上完成小区用户的行为模式识别。经过实际侦察实验验证,识别正确率达到了87.50%,为移动通信用户的精准侦察与管控相关研究奠定了重要基础。

关键词： 巴戟天   HPLC   指纹图谱   化学模式识别  

摘要： 目的:利用HPLC指纹图谱及化学模式识别对巴戟天药材进行评价。方法:采用Shodex Asahipak NH2P-504E色谱柱(4.6 mm×250 mm,5μm),以乙腈-水为流动相梯度洗脱,使用蒸发光散射检测器(ELSD)。利用相似度评价、聚类分析和主成分分析等化学模式识别方法,对不同产地的巴戟天药材进行分析。结果:所建立的HPLC指纹图谱共识别了18个共有峰,经与对照品图谱比较,鉴定其中的4个共有峰分别为果糖、蔗糖、蔗果三糖和耐斯糖。6个产地巴戟天的相似度在0.861~0.995;经聚类分析和主成分分析,6个产地巴戟天共聚为3类。结论:本研究采用的巴戟天HPLC指纹图谱及化学模式识别技术可反映出不同产地的巴戟天样品的差异,可为巴戟天的质量控制提供参考。

关键词： 疏肝和胃汤   HPLC-MS   裂解规律   指纹图谱   橘皮素   黄藤素   白术内酯Ⅲ   甘草酸   层次聚类分析   主成分分析   正交偏最小二乘化法-判别分析  

摘要： 目的指认疏肝和胃汤(Shugan Hewei Decoction,SHD)主要化学成分,建立其HPLC指纹图谱,并结合化学模式识别评价其质量,同时确定9种成分含量测定方法。方法通过UPLC-Q-TOF-MS/MS对SHD中化学成分进行分析;HPLC建立SHD指纹图谱及含量测定方法;采用中药色谱指纹图谱相似度评价软件(2012年版),结合层次聚类分析(hierarchical cluster analysis,CA)、主成分分析(principal component analysis,PCA)与正交偏最小二乘法-判别分析(orthogonal partial least squares-discriminant analysis,OPLS-DA),寻找影响SHD质量的主要化学成分。结果从SHD中共鉴定出88个成分,包括26个黄酮类成分、27个萜类成分、18个生物碱类成分、6个香豆素类成分、6个有机酸类成分、2个苯丙素类化合物、3个其他类成分;建立了SHD的HPLC指纹图谱,确定了20个共有峰,10批样品相似度0.972~1.000。3种化学模式识别均将样品分为2类,造成主要差异的质量差异物来源于槲皮苷。建立的多成分含量测定方法耐用性良好。结论UPLC-Q-TOFMS/MS定性鉴别结合HPLC指纹图谱,可以体现SHD组分的整体特征,为其质量控制研究奠定基础。

关键词： 电能质量   电能质量扰动识别   马尔可夫变迁场   卷积神经网络   特征提取   模式识别  

摘要： 新型电力系统中电能质量扰动问题愈加复杂和严重,多种电能质量扰动同时出现,导致传统算法识别准确率降低。提出一种基于马尔可夫变迁场和EfficientNet的复合电能质量扰动识别算法。采用马尔可夫变迁场将电能质量扰动信号可视化映射为二维特征图像;通过EfficientNet卷积神经网络处理图像数据,实现扰动信号的特征提取;利用神经架构搜索自动调节卷积神经网络超参数进行网络训练,建立电能质量扰动分类识别模型。仿真结果表明,所提方法能够准确高效地提取扰动信号特征,对复合电能质量扰动分类效果好且抗噪声能力强。

关键词： 气象特征   堆叠降噪自编码   K-medoids   FCM  

摘要： 气象条件是影响终端区航空器运行安全及效率的主要因素之一。为提高终端区气象场景模式识别精度,采用基于堆叠降噪自编码(SDAE)的聚类模型,在输入层添加随机噪声、构建3层自编码、逐层贪婪训练,降维后的特征作为聚类的输入,实现气象场景的模式识别。以天津滨海国际机场2022年气象观测数据为例,基于SDAE与欧氏距离、汉明距离、曼哈顿距离等传统相似性距离度量方法,分别使用K-medoids与FCM两种聚类方法进行验证。结果表明:基于SDAE的相似性度量在K-medoids与FCM聚类中均表现最优,与其他相似性度量相比差异率分别达到22.4%,12%,17.7%与24.8%,10.7%,11.8%,且运算时间最短,证明了基于SDAE的度量、聚类效果最优,最终识别出8个气象场景,各场景分类清晰明确。

关键词： 智能技术   模式识别   数据挖掘   故障预警  

摘要： 阐述电力自动化领域中智能技术中的问题及原因,探讨在该领域中智能技术的应用策略,包括系统设计、故障预警、人工智能不停电作业分析、闭环逻辑控制、优化操作步骤及后期维护流程。