关键词： 模式识别   支持向量机   鲁棒问题   损失函数   非平行支持向量机  

摘要： 从支持向量机到非平行支持向量机的研究,近几年引起广泛关注。支持向量机主要是寻找一对平行超平面,并且使这两个平行超平面的间隔尽可能的大。而非平行支持向量机旨在为每类数据构造一个最优的超平面,构造的超平面并没有平行这个限定,并且期望每个超平面能够靠近本类数据,而远离其他类数据。非平行支持向量机解决了传统支持向量机面临的两个问题,一个是解不等式二次规划需要的高计算复杂度,另一个就是求解异或问题,而且非平行支持向量机对不同类型的数据有较好的分类能力。在一些具有噪声的数据中,噪声会降低决策函数的泛化能力,容易引起过拟合,影响其分类性能。非平行支持向量机主要考虑从损失函数和数据结构出发,提高其分类性能。因此,本文在非平行支持向量机的基础上提出了不同模型的非平行支持向量机模型。本文主要分为以下两个主要研究内容:一方面,从支持向量机的角度出发,利用不同的损失函数构造出不同的非平行支持向量机模型。该模型引入了新的软间隔损失函数,可以适用于不同类型的数据;这个新的非平行支持向量机可以退化为标准的支持向量机模型,这样该模型的计算方法和支持向量机的计算方法是一样的;把具有稀疏性的损失函数加入到非平行支持向量机中,既保持了稀疏特性,有可以适应不同类型的交叉数据。通过大量的公共数据集实验验证了其有效性。另一方面,两个优秀的非平行支持向量机模型:广义特征值近端支持向量机（Proximal Support Vector Machinevia Generalized Eigenvalues,GEPSVM）及其改进的广义特征值近端支持向量机（Improved Generalized Eigenvalue Proximal Support Vector Machine,IGEPSVM）,它们具有良好的推广性能,但是,在实际应用中它们也有一些缺陷。首先,GEPSVM和IGEPSVM中得经验风险是用L2-范数计算的,L2-范数中使用的是平方距离,对噪声和异常值具有敏感性,降低了其分类性能。其实上述两种非平行支持向量机并没有考虑数据的相关结构,当数据高度相关时,其分类能力降低。为了缓解上述问题,本文提出了一种用于噪声分类的迹模正则化鲁棒近端支持向量机（Robust Nonparallel Proximal Support Vector Machine,RNPSVM）,在IGEPSVM的基础上,把L2-范数改为L1-范数,L1-范数是用绝对值之和来衡量的,降低了对噪声的敏感性,旨在最大化L1-范数的类间距离的同时,最小化L1-范数的类内距离,使其对异常值具有鲁棒性;通过考虑数据的相关性,引入了迹模（基于训练数据的自适应模）惩罚项,这个迹模惩罚项不仅具有稀疏性,在数据相关度较高时其分类性能也是很好。在GEPSVMs中可能遇到奇异值问题,通过修改模型可以避免出现奇异值问题;最后提出了一种有效的迭代算法,并且验证了其收敛性。在合成和现实噪声数据集上的广泛实验结果验证了RNPSVM的有效性。

关键词： 变压器   局部放电   带电检测   干扰   模式识别  

摘要： 变压器在电力系统的稳定运行中有着重要的作用,为输变电系统的关键设备,一旦发生故障,很有可能引起局部乃至大面积的停电,造成严重的损失。在现场监测过程中,局部放电现象时有发生,但是各种电磁干扰及振动干扰很严重,单一的带电检测技术难以判别、无法定位,对变压器的运行检修造成了重要影响,为了更加有效率的排查和识别变压器的放电故障,非常有必要开展针对变压器局部放电检测中干扰的识别与分类研究。本论文主要聚焦变压器存在电晕千扰下得局部放电检测与模式识别,主要内容包括:分析变压器运行环境中存在的干扰类别与特征图谱以及不同检测方式下的抗干扰方法,通过分析某500kV变电站变压器#1和#2局部放电检测的过程以分析不同检测方式下的主要干扰源以及排除方法,搭建变压器实验模型以获取局部放电信号并采用BP神经网络算法进行识别,识别效果良好。主要研究结果如下:(1)主要介绍了现场变压器局部放电检测中的一些常见干扰类型,包括悬浮干扰、电晕干扰、振动干扰等,然后结合工作实际提出了针对不同局部放电方法及如何识别干扰并简单处理的措施,最后总结出一些抗干扰方法,为变压器局放检测存在干扰信号时的模式识别问题提供一种解决思路。(2)分析某500kV变电站电压器局部放电检测过程,提出了用于变压器局部放电检测的声电联合检测技术,对声电联合检测技术中背景噪声测量及滤波器选择、设备测量点选择、局部放电检测及定位等作出详细说明,并通过现场变压器的局部放电检测,对存在的干扰信号情况及其对局部放电造成的影响进行研究分析,为下文研究干扰下的变压器局部放电故障识别提供了实践依据。(3)搭建了变压器实验模型,在变压器内部设置了气隙放电模型、悬浮放电模型、沿面放电模型、球对板放电模型、板对板放电模型与尖端放电模型六种放电类型,在外部设置电晕干扰,采集在电晕干扰下的六种放电类型的信号,每种信号采集50组,共300组样本信号。对采集到的六种放电信号分别提取歪度指标及峭度因子等特征参数。采用基于BP神经网络的模式识别分类器对提取到的六种放电类型的特征参数进行分类,得到训练混淆矩阵的准确率为87.1%,验证混淆矩阵的准确率为86.7%,测试混淆矩阵的准确率为91.1%,总体混淆矩阵的准确率为87.7%,总体的ROC曲线中整体分类正确率较高,网络输出误差逐渐接近于最佳输出。本文试验研究了考虑干扰信号的电力变压器局部放电模式识别,所得结果可为变电站一次设备在线监测与故障诊断提供理论基础和技术支持。

关键词： 人脸识别   模式识别  

摘要： 脸部是人们区分不同对象的重要特征之一.研究人脸识别技术的实现对于计算机视觉和模式识别的不断发展和应用具有重要意义.基本特征提取过程和模式的不同分类是实现自动人脸识别系统的两个重要步骤.相对稳定、简单判断的基本特征与直接选择的可识别结果密切相关.分类器的选择决定了系统功能的效率.

关键词： 导电聚合物   纳米复合材料   黄酒   陈化时间   模式识别   区分   预测  

摘要： 黄酒是中国特有的酒种,与法国葡萄酒和德国啤酒并称为世界三大发酵酒。它已有五千多年的历史,也是浙江省的一个特色。新酿造的黄酒需要自然陈化储藏。从目前市场上的陈年黄酒原浆来看,不仅成本较高,而且因为存量和市场扩容等因素,陈年黄酒原浆已经成为一种稀缺资源。因黄酒的质量评价手段较少,导致陈年黄酒造假、乱贴标签现象时常发生,严重侵犯了正规厂商及消费者的权益。作为一种灵敏度高、响应快速的检测手段,化学修饰电极成为了目前酒类品质检测领域中热点课题之一。纳米复合材料修饰电极将导电聚合物和纳米材料复合,可以从分子水平上对电极表面进行化学修饰,保留了材料双重优异的催化性能,使电极的专一催化性更强。此外,纳米复合材料克服了有机物在裸电极上响应迟缓微弱、催化电位过大的缺点,也克服了单一纳米材料易团聚、稳定性低的缺点,可以实现黄酒中有机物的特异性检测。在黄酒行业里,一般以陈化时间的长短来判断黄酒的好坏。黄酒在陈酿过程中,其呈味物质含量在不断变化,因此,黄酒的陈化时间与呈味物质含量存在一定的关系,主要包括有机酸、氨基酸、糖类等。基于此,本课题围绕导电聚合物纳米复合材料修饰电极的开发及其在黄酒陈化时间鉴别中的适用性展开研究。针对黄酒在陈化过程中含量变化比较大的多种呈味物质,如酸味(乳酸)、鲜味(谷氨酸)、甜味(葡萄糖),研究和开发相应的灵敏度高、选择性好的纳米复合材料修饰电极。本研究分析了修饰电极在单一溶质溶液中的反应动力学过程,并将三根电极组成阵列,采集1-8年不同陈化时间的“女儿红”黄酒原浆中丰富全面的“滋味”信息,然后经过特征提取、特征选择、数据可视化、建模,最终实现了黄酒原浆陈化时间的区分和预测。主要研究内容、方法和结论如下:(1)酸味是黄酒的一种基本味,有增加酒的浓厚感和降低甜味的作用,适当的酸能使黄酒的口感更加柔和。本研究针对在黄酒陈化过程中含量发生变化较大的酸味物质即乳酸,制备了聚酞菁钴/碳纳米管复合材料修饰电极(CoPPc/MWCNTs/GCE),用SEM、TEM、FT-IR、UV-Vis和XPS对材料进行了表征,修饰电极对乳酸具有良好的催化性能。电极优化后的实验参数为:CoPPc/MWCNTs复合材料的浓度配置为2 mg/mL且修饰剂用量为5μ1,pH 4.0,扫速为100 mV/s,富集时间t为240 s,在最优条件下对乳酸的检出限为1×10-6mol/L。电极过程动力学方程为:CH3CH(OH)COOH + H++e-→CH3CH(OH)CHO +H20,其中参与反应的电子数和质子数均为2,电极的电化学活性面积A = 0.49cm2,扩散系数 D = 9.22×1 0-5cm2/s。(2)鲜味是黄酒区别于其他酒种的一个重要特征,一般来自氨基酸,给人爽口、鲜美的感觉。其中,对鲜味起主要作用的是谷氨酸。本文针对谷氨酸制备了聚中性红/铜纳米复合材料修饰电极(PNR/Cu/GCE),通过SEM、XRD和XPS表征了复合材料的形貌和结构,PNR/Cu大大增强了电极对谷氨酸的催化性能。最终在优化pH为4.0,扫速100mV/s的条件下,修饰电极对谷氨酸的检出限为3×10-6 mol/L。电催化过程:(HOOC)CH2CH2CH(NH2)COOH + H20-e-→ HOOCCH2CH2CH(NO2)COOH + H+,其中参与反应的电子数为2,质子数为4,电极的电化学活性面积A = 0.56 cm2,扩散系数D =3.72×1 0-4 cm2/s。(3)甜味是黄酒中的主要风味之一,来源于酒中的淀粉和蛋白质分解,葡萄糖作为在黄酒陈化过程中含量发生变化最大的甜味物质,对酒体的整体口感影响较大。本文制备了聚天门冬氨酸/氧化镍纳米复合材料修饰电极(PASP/NiO/GCE)对单一溶质的葡萄糖溶液浓度进行检测,通过SEM、XRD和XPS对修饰电极进行了表征,PASP/NiO降低了葡萄糖电催化过程中需克服的能垒,使得葡萄糖的电催化电压降低。在碱性条件下(pH 10.0),扫速为100mV/s,富集时间t为180s,PASP/NiO/GCE对葡萄糖的检出限为2×10-6mol/L。PASP/NiO修饰电极过程动力学方程为:CH2OH(CHOH)4CHO + NiO + OH-→CH(OH)5CH2OH + H+,其中参与反应的电子数和质子数均为2,电极的电化学活性面积A= 0.71cm2,扩散系数D=1.06×10-4cm2/s。(4)将所研制的 CoPPc/MWCNTs/GCE、PNR/Cu/GCE 和 PASP/NiO/GCE 组成电极阵列,检测了 1-8年不同陈化时间的“女儿红”黄酒原浆。采用复频多电位阶跃法,以两种波形(方波和梯形波)和三种频率(1Hz,10 Hz和100 Hz)作为激发信号,面积法提取特征值,运用变异系数分析、多重共线性分析和方差分析

关键词： 囊螂蛤   免疫防御   模式识别受体   生物学功能  

摘要： 热液区和冷泉区是深海中的两个特殊生态系统。这两个生境常常黑暗无光，极端温度（低或高），还有较多的重金属和硫化物。囊螂蛤Vesicomyidae是这两个特殊区域的优势物种，其鳃组织中有内共生微生物，维持内共生关系。为应对特殊生境和共生关系，其免疫系统应发挥着特殊的作用。　　对于无脊椎动物而言，其一般通过固有免疫达到非己识别的目的。科学家进而提出了模式识别受体(pattern recognition receptor,PRR)、病原相关分子模式(pathogen associated molecular patterns，PAMPs)理论，即宿主通过有限量胚系基因编码的模式识别受体来识别具有病原相关分子模式结构的各种病原体。模式识别受体包含多个成员，本研究主要针对肽聚糖识别蛋白，半乳糖凝集素，C型凝集素，Toll样受体开展研究，取得主要进展如下:　　作为模式识别受体(pattern recognition receptor,PRR)家族的成员，肽聚糖识别蛋白(peptidoglycan-recognition protein，PGRP)识别病原体相关的分子模式并在先天免疫中发挥重要作用。在本研究中，首先从Vesicomyidae clam Archivesica packardana(33.902N，-118.735W,Malibu Mound)中鉴定了两个短型PGRP(ApPGRP-1，-2)。序列分析表明它们具有保守的Zn2+结合位点(H-H-C)和酰胺酶催化位点(H-Y-H-T-C)，并且系统发育树表明它们与其他软体动物的短型PGRP聚为一支。肽聚糖(PGN)结合实验表明，ApPGRPs可以结合来自金黄色葡萄球菌的Lys型PGN和来自枯草芽孢杆菌的Dap型PGN，并具有锌离子选择依赖性的酰胺酶活性。rApPGRP-1，-2（重组ApPGRP-1，-2）可以结合六种细菌，并且具有锌离子依赖性和非依赖性杀菌活性。ApPGRP具有PGRP作为效应子的完整功能及作为受体的部分功能。进一步的分析表明，来自***的ApPGRPs可能作为调节子参与宿主蛤与内共生菌之间的共生关系的调节。　　从***克隆得到两个新的C型凝集素Apclec-1，-2，其含有糖识别结构域CRD。Apclec-1，-2在进化树上与贝类生物的C型凝集素聚为一支，但其“bootstrap value”（自展值）相对较低。功能实验显示，rApclec-1，-2可以结合LPS,glucan from yeast，β-1，3-glucan和Mannan，并呈现蛋白浓度依赖性，并且不需要钙离子帮助。rApclec-1，-2对六种微生物细胞均有明显结合（3种革兰氏阳性菌，1种革兰氏阴性菌，2种真菌），并且这种菌结合不需要Ca2+的帮助。凝菌实验显示rApclec-1，-2能凝集EC（大肠杆菌），PP（毕赤酵母），SC（酿酒酵母），并需要钙离子的帮助。rApclec-1，-2对革兰氏阳性菌无明显抑菌效果，对大肠杆菌、真菌有显著效果，并且不需要钙离子的帮助。进一步的分析表明，C型凝集素在内共生关系中可能起着receptor的作用。　　从***中鉴定出一种新的半乳糖凝集素(Apgalectin)。系统发育树表明Apgalectin有两个CRD，且与无脊椎动物，特别是软体动物的半乳糖凝集素高度相似。分枝位点模型显示，在Vesicomyidae和来自帘蛤目的其他galectin之间鉴定了9个正选择位点(ω2=6.83950)，这意味着Vesicomyidae半乳糖凝集素可能演绎出不同的功能。PAMP和微生物结合试验表明rApgalectin具有广谱菌结合性，能够以浓度依赖的方式结合LPS，PGN，β-1，3-葡聚糖，酵母葡聚糖和Poly I∶C。rApgalectin仅能凝集藤黄微球菌，并被半乳糖抑制，证明它可能通过β-半乳糖苷方式识别和结合微生物而参与免疫防御。进一步的实验表明，由于其有限的抗菌谱，它可能在免疫反应中发挥非直接作用。　　作为模式识别受体的成员，Toll样受体(Toll-like receptors，TLR)在识别入侵者中发挥重要作用。我们从***鉴定了9个ApTLR，1个ApMyD88，1个ApIRAK，1个ApTRAF6,2个ApIKK，6个ApIκB，2个ApNF-κB/Rel。除ApTLRd外，所有ApTLR都具有TLR的典型基序，并且在富含亮氨酸的重复序列(LRR)的10或15位没有插入序列。系统进化分析表明，TLR信号通路中的上游基因(ApMyD88，ApIRAK，ApTRAF6)和5个下游基因(ApIKK2，ApIκB3，ApIκB4，ApIκB6，ApRel2)的进化地位与动物物种的进

关键词： 事件驱动架构模式   架构模式识别   重构   本体  

摘要： 架构模式是根据已知问题的解决方案来解决相似的软件架构设计问题。通过识别软件架构模式跟踪软件演化过程中软件架构的变化,对软件演化过程中发现的架构模式使用不规范的地方进行重构,消除软件架构设计中的不规范,对于软件架构的可持续演进有很重要的意义。事件驱动架构是一种当下非常流行的架构模式,是一种以事件为媒介,实现组件或服务之间最大松耦合的方式。识别事件驱动架构模式并对识别结果中发现的违背事件驱动架构模式使用规范的重构点进行重构对于理解和维护事件驱动系统有着重要意义。本文主要工作和成果包括:i.设计了基于本体的事件驱动架构模式识别模型。通过本体实例层描述要识别的目标系统的程序依赖关系,通过本体概念层描述观察者模式及事件驱动架构模式,通过本体推理和查询获得要识别的目标系统中的事件驱动架构模式实例。ii.设计了以事件驱动架构模式实例识别结果为基础,根据事件驱动架构模式规范进行重构点定位,并对重构点生成重构方案的事件驱动架构模式重构模型。iii.基于所设计的模型,设计和实现了相应工具,并完成了模型实验和工具测试。本文测试了50个开源项目来展示事件驱动架构模式识别结果,并选择了两个事件驱动系统(工具识别结果为事件驱动架构模式且人工分析结果也为事件驱动架构模式的开源项目)通过人工分析来展示事件驱动架构模式实例的识别结果,以查全率和查准率两个指标验证事件驱动架构模式识别的准确率。同时,对实验案例中的事件驱动系统进行重构验证实验,通过使用原型工具对实验案例重构点定位,生成重构方案,以重构点定位的准确性、重构方案的重构成本率和重构方案的有效性三个度量指标验证基于事件驱动架构模式识别结果的重构方法的有效性。

关键词： 气侵监测   模式识别   机器学习   地层信息反演   遗传算法  

摘要： 气侵不仅会延误钻井进度,还可能会进一步发展为井喷等灾难性事故,从而造成自然环境的破坏、人员伤亡、巨大的经济损失以及极其恶劣的社会影响,因此气侵的准确监测对于安全钻井至关重要。在气侵发生后,需要及时压井,而准确的地层信息求取对压井液参数设计有着至关重要的作用。针对基于阈值判断的气侵监测方法通常难以在降低漏报率和降低误报率之间平衡,本文以气侵监测参数的时间序列为研究对象,综合考虑单参数的气侵过程识别和多参数的协同诊断机制,应用数据挖掘和模式识别理论,提出了一种新颖可靠的气侵监测方法。建立的方法中,首先建立了一种基于时间序列形态和波动的符号聚合近似(TF＿SAX)方法,可以对曲线的形态特征与波动特征进行良好的度量,从而实现基于单参数的气侵监测;基于此,应用支持向量机(SVM)理论,建立了适用于钻井溢流工况的多参数协同诊断模型,该模型以TF＿SAX方法的计算结果作为训练参数,并通过遗传算法优化其参数以获得最佳分类效果。针对目前地层渗透率和地层压力难以同时反演以及关井求压等待时间长的问题,本文基于对环空多相流动模型和储层渗流方程的耦合,利用钻井气侵响应参数提出了关井前地层压力与渗透率的同时反演方法:由于气侵早期气体侵入缓慢,膨胀率极小,可根据泥浆池增量近似求得井底产气速率,因此利用气侵早期阶段的泥浆池增量曲线,结合储层渗流方程求解地层渗透率;进而利用完整泥浆池增量曲线,结合瞬态储层-井筒耦合模型和遗传算法进行地层压力的反演计算。钻井过程中,由于地层的复杂特性,气体会因不同机理进入井筒,气侵类型的识别对后续压井工艺的选择具有重要意义。文中从气侵发生的机理出发,建立了基于地层与井筒环空多相流动的耦合模型,得到了负压气侵(渗透性地层和裂缝性地层)、重力置换气侵、岩屑气侵以及扩散气侵的地面观测特征。得到了基于地面监测参数的气侵类型甄别方法,并对不同类型气侵给出了不同的建议压井方法。案例分析表明,本文提出的气侵监测方法诊断结果准确、误报率低,可以为钻井气侵监测提供指导。本文提出的地层信息方法准确度高,与文献案例数据相比证明,计算得到的渗透率平均误差为9.45%,地层压力平均误差为0.57%,可为气侵后压井液参数设计提供指导。

关键词： 模式识别   等腰三角形   分类讨论   解题  

摘要： 分类讨论思想是一种将研究的问题根据题目的特点和要求,分成若干个小问题来逐一研究解决的数学思想。在数学习题的解决中,运用等腰三角形的分类讨论思想也是比较常见的,而从等腰三角形边的角度进行分类讨论,对于在模式识别下解决等腰三角形的存在性与确定性问题是起关键性作用的。

关键词： NEUROANATOMY   MACHINE learning   PATTERN perception  

摘要： P.365

关键词： 通信侦察   调制模式识别   全数字接收机   FPGA  

摘要： 随着通信技术的不断发展,通信频段内的信号日益密集。不同功率、不同带宽、不同调制模式的信号共存,使得实际通信环境愈加复杂。在信号侦察识别中,现代侦察接收设备必须具备在密集、复杂、动态变化的信号环境中实时对信号截获检测以及进行分类识别的能力。而且在目前的通信侦察中,对侦查距离提出了越来越高的需求,在远距离侦查中接收端实际接收到的信号已经十分微弱,此时环境噪声和仪器底噪都将对接收信号造成很大的影响,侦察设备需要在这种情况下将远端的微弱信号从噪声中提取出来,并对其进行识别。以上这些都对识别设备的灵敏度和抗噪能力都提出了新的要求。目前的通信侦查设备,一般是在几种已知或假设已知的信号下进行工作,对于信号未知且动态变化的环境,在实时处理中对接收信号的识别性能会有所下降。且目前的识别算法中,大多都是在理论层面进行研究,使用的信号源也一般由软件仿真产生,在实际应用中复杂度较高,不适合硬件实现。在以上背景下,本文首先研究了通信信号调制模式识别的发展现状,针对目前识别算法在工程实际中往往复杂度过高的问题,本文在输入信号动态变化的复杂情况下,提出了一种基于全数字接收机的调制模式识别算法,实现了其FPGA设计，完成了硬件识别平台的搭建,并基于硬件平台测试对实际采集的空口信号进行了接收识别,完成了算法识别性能的验证。在输入信号未知、侦查距离动态变化的复杂环境下,本文首先利用自动增益控制技术消除接收距离带来的信号能量动态变化的影响,将接收信号控制在一定范围之内。之后通过载波估计技术,去除接收信号的频偏。经过位同步技术同步收发时钟,最后通过载波同步跟踪剩余频偏,解调出基带信号。在此基础上,提出通过载波跟踪环的频偏跟踪曲线区分FSK和PSK信号,根据解调出的基带信号识别BPSK和QPSK信号的调制模式识别方案。在Quartus II开发环境下,完成了所提方法的硬件实现,使用硬件描述语言对整个系统进行RTL级建模,完成各模块的综合,通过SignalTap II完成其仿真功能的验证,实现了其FPGA设计和整体硬件平台的搭建。所使用的芯片为ADS5444和Stratix II系列EP2S180F1020C4。输入信号为中国电子科技集团在实际通信环境中采集的空口信号,仿真与测试结果表明,所设计系统能够在输入信号能量动态变化的情况下完成对信号的接收与识别,识别率满足实际工程需求。