关键词： 垃圾分类   图像识别   模式识别   自动分类  

摘要： 随着我们现代社会中垃圾的日益增多，垃圾处理成了全社会共同面临的难题。而实际上垃圾中有大量的物品是可回收利用的，如果将各种垃圾混杂在一起，会增大垃圾处理的成本，降低垃圾的经济价值。目前政府已经开始实施相关的政策引导普通居民对垃圾进行分类处理。随着垃圾分类工作的不断深入，同时也涌现出一些亟需解决和完善的问题。在实际生活中许多人对于难以准确地掌握垃圾分类的标准， 经常容易出现错分的情况。目前计算机图像识别技术的快速发展，为辅助人们进行垃圾分类提供给了技术支撑。本

关键词： 电力市场   市场监管   潜在危害行为   模式识别   云模型   模糊Petri网  

摘要： 针对电力市场中存在潜在危害性交易行为难以被识别、管控的问题,提出基于云模型与模糊Petri网的电力市场潜在危害行为识别方法,在交易过程中对潜在危害行为进行实时预警。将云模型与模糊Petri网应用于模式识别中,有效解决了潜在危害行为难以量化识别的问题,也克服了一般识别方法不易理解的缺陷。首先,设计潜在危害行为识别的一般框架与步骤;其次,阐述通过逆向云发生器与根据专家描述的两种特征云的构建方法;同时,设计潜在危害行为识别的模糊Petri网网络结构与识别算法;最后,以江西省月度竞价交易市场为背景,采用真实交易数据进行算例分析。算例分析结果表明:所设计的方法给出的结果与专家分析得出的结果以及实际的数据高度一致,验证了方法的有效性。

关键词： KNN   分类   运动模式   PDR   室内定位  

摘要： 为提高行人航迹推算(PDR)的定位精度,首先利用K最近邻法(KNN)对智能手机采集的6种行人运动模式数据进行识别,再与基于支持向量机(SVM)和高斯朴素贝叶斯(GNB)的运动模式识别方法进行对比,最后在实际环境下进行运动模式辅助的PDR实验。结果表明,KNN方法不仅比SVM和GNB方法易于实现,而且具有更高的识别正确率。在识别行人运动模式的前提下,PDR的室内定位效果比传统PDR方法定位效果更好。

关键词： 金融市场   量化投资   资产涨跌   趋势识别   Black-Litterman模型  

摘要： 近年来，金融市场投资对象的数量增加以及投资品类范围的急速扩张，使投资者面临更加复杂多变的决策环境。在此背景下，一方面，市场对投资者类内个体评估与筛选能力的要求不断提高，另一方面，对于各类资产之间的配置策略研究也提出了需求。\n 资产配置策略体系，以基于均值方差理论的Markowitz模型为基点，从组合收益与波动两方面出发，构建出一系列满足不同风险收益需求的配置模型。其中包括以Markowitz最大化效用模型、目标波动率模型、风险平价模型、最大化分散模型等为代表的被动配置类模型，以及以Black-Litterman模型为代表的主动配置类模型。\n 本文在大类资产配置的策略体系下展开研究，以如何合理有效地实现大类资产的长线配置，实现主动配置相较于被动配置的超额收益为核心研究内容;以构建全面的因子体系并在该因子体系上借助机器学习算法对资产涨跌趋势进行有效预测，基于资产涨跌预测生成Black-Litterman模型的主观输入，基于目标波动风险预算模型生成Black-Litterman模型的被动配置输入为重点子命题。\n 主要研究对象为股票、债券、商品等大类资产的代表指数，以及基于指数构建的配置组合。其中，将股票大类进一步细分为代表大盘的沪深300指数、代表中盘的中证500指数与代表小盘的创业板指;将债券大类细分为代表利率债的中证国债指数、代表信用债的中证企业债指数和代表转债的中证转债指数;将商品大类细分为代表黄金的AU9999黄金价格以及代表大宗商品的南华商品指数。这些大类基本覆盖了我国现有的主流投资标的，在当前市场周期下具有极高的研究价值。\n 基于大类指数的组合配置以Black-Litterman框架为核心，将被动配置组合与综合市场各层面信息生成的主观观点相融合，得到经由投资者主观观点调整的主动配置组合权重。其中，客观被动配置模型作为组合调节的中枢，避免因主观观点准确度不足引起的权重过于极端、以及权重剧烈波动等问题。而主观的配置观点用于作为调节手段，在初始权重分布的基础上，根据对收益不同方向与幅度的预期，不同程度地超配或是低配其中部分资产。两者对于最终配置权重的影响程度通过Black-Litterman模型的部分参数来控制。\n 本文对于Black-Litterman模型的实现过程主要包括7个模块:初始被动配置、Markowitz逆过程、资产涨跌模式预测、观点矩阵生成、观点调整后验收益、Markowitz最大化效用优化、组合回测。其中，初始被动配置、资产涨跌模式预测以及观点矩阵生成是本文重点研究的三个部分。\n 初始被动配置组合不同于传统应用的等权配置、市场配置等配置模型，采用控制目标波动的风险预算模型生成，该模型从风险层面对资产做分散化配置，并通过目标波动约束与预算约束控制了初始组合的风险水平。\n 资产涨跌模式预测基于融合宏观、价值、动量、技术信息的有效因子体系，借助随机森林算法，经过因子处理、涨跌模式标记、特征筛选、参数调整等一系列过程，训练出具备较高准确性的涨跌模式识别模型，用于生成关于资产未来涨跌的预测观点。\n 观点矩阵生成部分基于由截面因子体系生成的预测观点，结合历史收益序列信息，生成Black-Litterman模型观点相关的三部分矩阵输入:由预测观点生成的观点信号矩阵P，综合预测观点与资产历史收益生成的观点收益矩阵Q，由观点准确度与资产历史波动共同控制的观点误差矩阵Ω。\n 在实证部分，本文通过2013年7月25日至2019年1月4日，共计1330个交易日的市场数据，以20个交易日为调仓周期，对经由Black-Litterman模型生成的历史各期配置组合的净值走势进行回测检验。通过计算年化收益率、年化波动率、夏普比率、最大回撤等风险收益指标，绘制回测区间内的组合净值曲线图等方式，对初始被动组合、后验配置组合与基准等权重组合的策略效果进行对比分析。并对用于生成观点信号的看涨、看跌阈值、用于控制观点误差矩阵的参数a这两类影响策略效果的重要参数进行了回测调节。\n 实证结果表明:基于随机森林算法的资产涨跌模式识别模型在对大类资产未来走势判别上具备较高的准确性，经过特征筛选与参数调整，资产涨跌模式识别模型在各大类资产上的预测准确率达到80％以上。进一步，引入该模型作为主观观点输入的Black-Litterman模型构建的组合，在2013-2019年的复杂多变的市态下，相比于作为初始被动配置的风险预算组合以及作为市场基准的等权重组合，起到了稳定提升组合配置收益、同时充分规避风险的效果。

关键词： 模式识别   无损检测   金属工件  

摘要： 在日常生产生活中,对于金属工件的缺陷探测多为人工探测识别,识别的准确性依赖于探伤人员的经验。如今对于探伤工具的智能化自动化需求显得日益迫切,用小波分析方法进行金属工件缺陷的分析已经成为了日益成熟有效的方法,其方法可以很好的与模式识别方法融合,进行缺陷的自动识别。

关键词： 复方血栓通胶囊   指纹图谱   化学模式识别   质量控制研究  

摘要： 目的:采用UPLC法建立复方血栓通胶囊的指纹图谱,并结合化学模式识别技术对其进行系统、全面和科学的质量评价。方法:采用Waters UPLC超高效液相色谱仪,ACQUITY UPLCHSS T3色谱柱,以乙腈-0. 1%甲酸水为流动相进行梯度洗脱,检测波长为256 nm,建立10批次复方血栓通胶囊的指纹图谱。通过相似度分析并结合聚类分析(CA)、主成分分析(PCA)及正交偏最小二乘法-判别分析(OPLS-DA)等模式识别技术对复方血栓通胶囊的总体质量进行分析评价。结果:建立的指纹图谱共标定67个共有峰,经对照品进行化学指认并鉴定了其中的12个色谱峰。10批供试品的相似度均大于0. 96,表明该药物总体质量较为稳定;但通过CA及PCA均发现不同批次药物质量之间仍然存在有微小差异,且主要分为两大类,最后进一步采用OPLS-DA筛选出了导致批次药物质量差异的7个共有峰。结论:本研究建立的分析方法科学、准确、可靠且简便易行,指纹图谱结合化学模式识别技术可更加系统、全面地评价复方血栓通胶囊的药物质量。

关键词： 模式识别   木鳖子   超高液相色谱法   指纹图谱  

摘要： 目的建立木鳖子药材皂苷部位超高液相色谱(UPLC)指纹图谱的模式识别分析方法,综合评价其质量。方法采用UPLC-BEH C18色谱柱(2.1 mm×100 mm,1.7μm),流动相为乙腈-0.1%磷酸水溶液,线性梯度洗脱,流速0.25 mL/min,柱温30℃,检测波长203 nm,分别对21批木鳖子样品指纹图谱进行相似度分析、聚类分析和偏最小二乘判别分析(PLS-DA)。结果提取了指纹图谱中的14个共有色谱峰,确认了1个色谱峰;21批木鳖子样品指纹图谱的相似度均大于0.9,其中11批相似度>0.99;聚类分析和PLS-DA可将21批样品分为四大类,PLS-DA色谱峰变量重要性投影(VIP)得分>1.0的有7个。结论本研究建立的模式识别分析方法简便可行,可用于木鳖子药材指纹图谱研究及其质量评价。

关键词： Hough变换   透视变换   目标图像   图像校正   模式识别  

摘要： 研究畸变图像处理的方法较多,这些方法提高了算法可靠性、完善了算法可行性,但如何提取畸变图像的有用信息进行再校正的理论和方法却不多。为此提出一个新的算法,结合Hough变换和透视变换,在畸变图像中自动选取有用的目标图像区域并提取出来,最后通过透视变换将其进行图像校正与还原。MATLAB仿真实验结果表明,该方法精度高、容错性高、稳定性好,可广泛应用到模式识别等领域。

关键词： 人机协作   人手安全   安全手套   模式识别   支持向量机  

摘要： 为了更有效、智能地解决人机协作中的安全问题,以人手安全作为人机协作安全的代表,提出了一种基于模式识别技术的人机协作人手安全检测模型。人机协作中,安全手套对于人手保护不可或缺。模型首先通过机器对人手图像获取、人手特征提取形成人手状态训练集,再利用支持向量机训练形成人手安全分类器,以达到智能地判断人机协作中人手是否戴安全手套。选取人机协作现场照片为样本源,采集工人不安全行为场景数据,验证应用基于模式识别的方法智能检测人机协作中工人佩戴是否安全手套的可行性。实例验证结果表明,人手安全分类器可以有效地判断人手的安全状态并能及时控制机器,准确率达到96. 12%。

关键词： 半导体制造   晶圆缺陷   模式识别   数据驱动   对抗生成网络  

摘要： 针对晶圆生产过程中晶圆图数据角度与维度多样性和数量不平衡的特点,提出了基于对抗生成网络的晶圆图缺陷模式识别方法。设计了Radon变换,实现了数据多角度的统一;采用重采样机制实现数据多维度的缩放,得到了标准晶圆缺陷数据。提出了基于对抗生成网络的晶圆缺陷分类方法,利用生成机制平衡各缺陷模式的样本数量,以提升缺陷模式识别精度。试验结果表明,该方法可大幅提升少类样本的识别精度,且在整体识别率上远优于支持向量机和Adaboost算法。