关键词： 阵列传感器   模式识别   参数优化   BP神经网络   自适应人工蜂群算法  

摘要： 在公共交通环境下,有毒有害气体容易造成公共交通安全事故,在以往发生过的事故中,多数事故的引发是由于没有及时检测到有毒有害气体并进行人员疏散从而造成人员伤亡,所以针对封闭空间内的低浓度气体检测是有必要的。通常气体检测仪器选择为气色相谱仪,由于体积较大、成本高且只能检测单一气体所以不适合用于公共交通的气体检测。半导体气体传感器成本低、体积小但是会因为在检测多种气体时会产生交叉敏感而大大降低检测精度。所以,本文针对混合气体低浓度和半导体气体传感器存在交叉敏感的情况下,完成混合气体检测的硬件系统搭建,设计并建立一个模式识别模型来完成对混合气体有较高精度的定性识别和定量识别。选用误差反馈神经网络(BP)完成对混合气体的定性识别和定量识别,BP神经网络模型是通过误差的不断反向传播改变权值和阈值来降低输出的误差,但是不断的误差反向传播中容易陷入局部收敛使输出精度不能提高且计算速度慢。引入人工蜂群算法(ABC)对BP神经网络进行优化,ABC算法全局搜索能力强且收敛速度快,利用ABC算法可以有效提升BP神经网络的整体性能,但是ABC算法存在优化过程中存在优质解容易丢失的问题,对ABC算法的寻优机制进行改进得到自适应人工蜂群算法(AABC),改进后的AABC算法可以进一步提升BP神经网络模型的整体性能。选用两个常用BP神经网络优化算法混沌粒子群算法(CPSO)和果蝇算法(FOA)与AABC和ABC完成对比实验,验证ABC是否得到优化。借助模糊C均值算法(FCM)保留特征值的特点优化训练样本个数,在保证精度的条件下减少样本个数从而降低模型的运算时间。硬件系统以MQ-3(酒精传感器)、MQ-4(甲烷传感器)、MQ7(---氧化碳传感器)、MQ-8(氢气传感器)和STM32F103VET6为核心搭建混合气体检测平台,通过STM32库函数和LabVIEW完成硬件系统的启动初始化和数据的传输。采用python及其扩展库和tensorflow完成对BP神经网络的模型建立。通过5种不同的测试函数完成对AABC、ABC、CPSO和FOA算法的优化能力对比实验,实验结果表明AABC算法在优化过程中,全局搜索能力和寻优极值优于其他优化算法,同时也证明了对ABC算法的改进是有效的。通过训练样本完成对BP神经网络在定性识别和定量识别中的参数优化,并完成最佳训练样本个数的选择。气体测试实验结果表明,AABC-BP混合算法模型在定性识别和定量识别中计算速度最快且精度最高,定性识别中测试精度为96.42%,定量识别中平均测试误差为5.62%,达到了设计要求且具有一定的实用价值。

关键词： 石英压电传感器   敏感涂层   电子鼻与电子舌   模式识别   检测应用  

摘要： 电子鼻与电子舌分别是模拟生物嗅觉与生物味觉的机器感知设备,其利用对待测样品具有交叉敏感性的传感器阵列模块,将待测样品中混杂的组分信息转化为可测信号组,并利用模式识别系统获得待测样品综合特征信息并形成其指纹图谱,该指纹图谱与存储于数据库中的样品信息进行比较鉴别后,能够快速、系统、科学的对待测样品进行检测、鉴别和分析。然而,当前的电子鼻与电子舌还存在一些亟待解决的问题:第一,现有的电子鼻与电子舌设备价格昂贵,不利于大规模商业化应用;第二,电子鼻和电子舌的定性与定量检测精度尚与传统理化分析技术有较大差距;第三,电子鼻与电子舌的检测精度易受环境干扰。因此,开发高精度、低成本的传感器制备方法以研制性能优良的传感器;针对具体检测应用构建高准确度的模式识别系统以提高电子鼻与电子舌的识别精度;考虑设备工作环境因素的影响以抑制电子鼻与电子舌信号漂移现象,是解决这些问题的有效途径。针对上述问题,本文分别进行研究,并取得了如下研究成果:(1)提出了一种室温下通过控制前驱液浓度方法来制备自组装单分子层(Self-assembly Monolayer,SAM)功能化的石英晶体微天平(Quartz Crystal Microbalance,QCM)基体表面高取向性金属-有机框架(Metal-organic Frameworks,MOFs)化合物敏感涂层的层层自组装技术,研制出一种高精度、低成本的石英压电传感器。针对MOFs涂层的生长机理研究发现:SAM功能化的基体能够保证MOFs的取向成核;高浓度的前驱液一方面能够实现高密度晶核的取向沉积,也能够调节共价键平衡,避免晶体表面发生晶体单元交叉连接而产生浓度取向缺陷,使得晶体生长成为形貌、晶体取向、表面粗糙度可控的敏感涂层。本研究开发的高精度、低成本的石英压电传感器可以保证信号采集的真实性与有效性。(2)开展了基于本课题组研发的石英压电型电子鼻与电子舌在中国白酒品牌鉴定、香型检测、同品牌不同产品检测的应用研究,提出并构建了电子鼻与电子舌中识别精度高、泛化性能好的模式识别系统。中国白酒微量有机化合物组分种类之复杂、含量跨度之大,对中国白酒检测提出了严峻挑战。针对当前基于电子鼻与电子舌方法的中国白酒检测精度不理想的现状,本研究利用本课题组研发的石英压电型电子鼻与电子舌,开展了中国白酒品牌鉴定、香型检测、同品牌不同产品检测的研究,提出并构建了电子鼻与电子舌中基于多维尺度分析-支持向量机(Multidimensional scaling-Support vector machine,MDS-SVM)、随机森林(Random Forest,RF)和误差反向传播神经网络算法(Back-propagation neural network,BPNN)的三种识别精度高、泛化性能好的模式识别系统。基于本课题组研发的石英压电型电子鼻与电子舌及构建的模式识别系统,本研究为中国白酒检测提供一种新的快速、实时、准确的分析方法。(3)研究了石英压电型电子鼻在测试气体温度变化条件下出现的传感器信号漂移现象。石英压电型电子鼻的中国白酒检测应用中,白酒特征气体温度的变化导致电子鼻传感器盒内传感器表面气流气动力的波动,引起石英压电传感器频率信号漂移。本研究数值仿真了本课题组开发的石英压电型电子鼻的中国白酒检测应用案例,高精度模拟气流与八个石英压电传感器间的相关作用行为,得到不同温度下传感器盒内部的流场分布;通过分析传感器盒内部的流场分布和静压分布特点、不同温度场景中每个传感器的气流气动力特征,得到每个传感器表面的气流气动力随温度变化条件下的变化规律。研究结果为抑制温度变化条件下石英压电传感器的信号漂移,优化电子鼻工作环境,提高石英压电型电子鼻工作稳定性,提供量化指标。

关键词： 地震驱动建模   河流相   砂体叠合模式   储层建模方法   地震正演  

摘要： 随着油气田的勘探开发技术日趋完善,我国大多数油气田已进入开发中后期,因此,如何建立更高分辨率的三维储层地质模型,以指导剩余油的勘探开发就显得非常重要。其中,亟待解决的关键问题就是如何在建模过程中充分利用地质、地震、测井等不同尺度下的资料。近年来兴起的地震驱动建模方法作为一种井震联合建模方法,充分利用了地震资料中包含的空间信息,规避了地质统计学建模方法中对井数据过于依赖的变差函数求取的问题。很好地解决了井网稀疏、井距大等不利条件下对井间岩石物性估计不准确的问题,进而有效改善了建模结果以及对复杂地层的描述。河流相砂体作为我国陆相盆地中非常重要的油气储集层,目前仍以露头资料和岩心数据来分析沉积层序,而对砂体空间叠合样式的认识不足。因此,将地震资料和沉积相结合来共同约束储层建模和油藏精细描述就显得尤为重要。本文优化了前人的多层位约束下的砂体叠合模式识别算法,通过单层位来约束参与模式识别的地震数据,结合砂体叠合模式模板与目标砂体的相关性分析,有效地解决了之前双层位约束下相邻层位和干扰砂体对目标砂体模式识别的影响,提高了砂体模式识别的精确性。进而将该模式识别方法用于地震驱动建模、贝叶斯模拟、序贯高斯模拟等方法建立储层三维孔隙度模型,并通过地震正演模拟以及实际地震的对比实现对所建模型的验证,最后对三种建模方法及其所建模型做出进一步评价。

关键词： 基站空调   模式识别   能耗预测   控制策略  

摘要： 通信基站的节能对电信行业具有十分重要的意义。即将到来的5G网络将有更多的流量负载,移动通信网络能耗的影响将更加严重。减少移动通信网络的能耗已经引起了人们的极大关注,在保证通信设备和通信设施正常运行的前提下,对基站空调进行节能分析是十分有必要的。本文以基站空调运维及用能调度平台为研究对象,通过对基站空调的用能模式进行分析,针对识别出的不同模式采用不同的控制策略;通过对基站站空调的能耗预测,提出用能调度方案。旨在构建一个基站空调运维及用能调度管理平台。本文首先分析了平台内基站空调数据的质量特点,根据数据的质量特点,利用机器学习的理论方法对数据进行预处理,提出了适用于基站空调数据的预处理体系。其意义在于为接下来的数据分析提供可靠的数据,并降低其复杂度。.其次,利用决策树、K-means、等方法对基站空调系统用能模式进行识别,并采用遗传算法优化K-means,进行对比分析,验证了算法的有效性。再次,提出了EMD-AGA-LSTM预测模型对基站空调进行短时间内的能耗预测。通过分析不同输入模式对预测模型的影响,找到最佳了输入模式;通过分析不同本征模态分量IMF重组方式对预测精度的影响,验证了模式分解对预测模型的有效性;通过对所提出的模型的组合方式进行比较,并与常用的预测模型进行比较,验证了本文所提出的空调能耗预测方法的有效性。最后,应用上述理论和方法,设计与实现基站空调运维及用能调度管理平台。

关键词： 人脸特征点   疲劳检测   级联回归   模式识别  

摘要： 随着社会的快速发展,交通安全成为当下的一个社会热点问题,这当中,由疲劳驾驶等不安全驾驶行为引发了大量的交通事故,给人民的生命财产安全造成了极大的损失。基于现代化科学技术的疲劳检测技术的研究具有显著的社会意义和商业价值。在众多技术中,基于计算机视觉的技术具有设备简单、普及性高等优点,得到了学术界和工业界的广泛关注。特别地,计算机视觉领域中的人脸特征点检测的技术为实时、鲁棒的疲劳检测提供了可能性。本文围绕人脸特征点检测算法的改进和基于人脸特征点的疲劳检测算法展开研究。本文首先结合实际问题的需要,对牛顿提升树模型加以推广,提出了多响应牛顿提升树模型,以适应一般的情形下的多响应的学习问题。进一步地,本文在人脸形状索引的基础上提出了统计量特征,用以更好地描述图像局部区域内像素的整体分布情况。通过级联多响应牛顿提升树,并联合统计量特征,本文对ERT算法加以改进,提出了CNBT人脸特征点检测算法。本文创建了基于人脸特征点对的人脸状态特征,并提出了基于几何方法和互信息对该特征进行特征选择的算法。在人脸状态特征的基础上,本文还提出了针对哈欠、瞌睡两种疲劳特征的统一的分类模型,并进而提出了统一的C-LPDD疲劳检测算法。本文的实验表明,级联多响应牛顿提升树和统计量特征的联合使用能够在不牺牲过多时间性能的前提下,降低人脸特征点检测的误差。同时,本文提出的基于人脸特征点的疲劳检测算法具有良好的实时性和鲁棒性,能够满足实际应用场景的需要。

摘要： The increasing and diverse number of technologies that are connected to the Internet, such as distributed enterprise systems or small electronic devices like smartphones, brings the topic IT security to the foreground. We interact daily with these technologies and spend much trust on a well-established software development process. However, security vulnerabilities appear in software on all kinds of PC(-like) platforms, and more and more vulnerabilities are published, which compromise systems and their users. Thus, software has also to be modified due to changing requirements, bugs, and security flaws and software engineers must more and more face security issues during the software design; especially maintenance programmers must deal with such use cases after a software has been released. In the domain of software development, design patterns have been proposed as the best-known solutions for recurring problems in software design. Analogously, security patterns are best practices aiming at ensuring security. This thesis develops a deeper understanding of the nature of security patterns. It focuses on their validation and detection regarding the support of reviews and maintenance activities. The landscape of security patterns is diverse. Thus, published security patterns are collected and organized to identify software-related security patterns. The description of the selected software-security patterns is assessed, and they are compared against the common design patterns described by Gamma et al. to identify differences and issues that may influence the detection of security patterns. Based on these insights and a manual detection approach, we illustrate an automatic detection method for security patterns. The approach is implemented in a tool and evaluated in a case study with 25 real-world Android applications from Google Play.

摘要： Advanced human-computer interaction (HCI) or human-machine interaction (HMI) aims to help humans interact with computers smartly. Biosignal-based technology is one of the most promising approaches in developing intelligent HCI systems. As a means of convenient and non-invasive biosignal-based intelligent control, myoelectric control identifies human movement intentions from electromyogram (EMG) signals recorded on muscles to realise intelligent control of robotic systems. Although the history of myoelectric control research has been more than half a century, commercial myoelectric-controlled devices are still mostly based on those early threshold-based methods. The emerging pattern recognition-based myoelectric control has remained an active research topic in laboratories because of insufficient reliability and robustness. This research focuses on pattern recognition-based myoelectric control. Up to now, most of effort in pattern recognition-based myoelectric control research has been invested in improving EMG pattern classification accuracy. However, high classification accuracy cannot directly lead to high controllability and usability for EMG-driven systems. This suggests that a complete system that is composed of relevant modules, including EMG acquisition, pattern recognition-based gesture discrimination, output equipment and its controller, is desirable and helpful as a developing and validating platform that is able to closely emulate real-world situations to promote research in myoelectric control. This research aims at investigating feasible and effective EMG signal processing and pattern recognition methods to extract useful information contained in EMG signals to establish an intelligent, compact and economical biosignal-based robotic control system. The research work includes in-depth study on existing pattern recognition-based methodologies, investigation on effective EMG signal capturing and data processing, EMG-based control system development, and an

关键词： auditory circuits   courtship songs   auditory processing   temporal pattern recognition   animal communication  

摘要： Across the animal kingdom, social interactions rely on sound production and perception. From simple cricket chirps to more elaborate bird songs, animals go to great lengths to communicate information critical for reproduction and survival via acoustic signals. Insects produce a wide array of songs to attract a mate, and the intended receivers must differentiate these calls from competing sounds, analyze the quality of the sender from spectrotemporal signal properties, and then determine how to react. Insects use numerically simple nervous systems to analyze and respond to courtship songs, making them ideal model systems for uncovering the neural mechanisms underlying acoustic pattern recognition. We highlight here how the combination of behavioral studies and neural recordings in three groups of insects-crickets, grasshoppers, and fruit flies-reveals common strategies for extracting ethologically relevant information from acoustic patterns and how these findings might translate to other systems.

关键词： 人工神经网络   模式识别   智能   意义  

摘要： 本文将在哲学视野下研究人工智能科学,把人工神经网络模式识别的学习过程作为研究的对象,通过在哲学视域下对有无监督学习的调节机制的探讨,以解决在人工智能的发展过程中引发的瞩目问题。并将对比有监督学习与无监督学习的不同学习阶段,指出经验与数据是人类和计算机进行模式识别的关键,从产生依据上明确人工神经网络模式识别和人类模式识别的过程和方法。本文通过将人工神经网络模式识别的方法与哲学学科古老问题智慧的研究相结合,丰富人工智能科学的研究领域,在这一研究过程中,试图找到研究哲学问题的新视角与新途径。首先,本文从人工神经网络模式识别的原理进行概述,依据生物神经网络模式识别过程与人工神经网络模式识别过程的差异,认为人工神经网络模式识别具备适应性、容错性和可调节性的特点,这些特点符合人脑模式识别的特征,所以在机器识别当中数据可以转换为人类模式识别的经验,成为人工智能科学智慧研究的对象。除此之外,人脑具有自我保护和自我意识等人类独有的能力,可以在无监督的环境下进行自主学习。对人工智能来说,需要外在监督环境进行数学算法,以及从有监督学习与无监督学习之间的差别来探讨在模式识别过程之中,人工智能与人类智能分别进行的不同的学习和训练过程。其次,从人工神经网络模式识别的机理来进行探讨。对于人工神经网络模式识别的研究发现,由于十分侧重于对人类思维过程和行为能力的模仿,并在模仿的基础上对人工智能的未来发展趋势进行预测。在人工智能的发展历程当中,人工神经网络模式识别占有十分重要的地位,其中的人工神经网络更与人类大脑的生物神经网络中有不谋而合之处。人工智能主要是通过利用大数据来获取纷繁复杂的项目类别信息,用模式识别对信息中的特征进行选择、分析和判断的过程。由于人工智能的核心就是算法,人工神经网络模式识别是从大量的、未知的、不确定的、随机的数据当中,提取隐含在其中的、人们无法预先知道的、具有深层价值信息的过程。这种识别过程还被认为是模式识别系统中最重要、最具发展前景的方法。本文以有监督学习和无监督学习为例,对其中模式识别、模式调整以及学习过程的探讨出发来证得算法的智能性、组织性和适应性。以此对模式识别的过程进行梳理,得出经验是人脑在进行模式识别的主要基础,而人工智能则是以数据为前提和条件进行。基于数据和经验这两种不同的信息获取方式,有部分人工智能悲观主义者认为,人工智能在很大程度上将会超越人脑的功能性,还有的甚至会威胁到人类的生存地位。人工智能的快速发展,研究人员在惊讶的同时,也需要不断的反思回顾,由人类创造出的人工智能是一种什么种类的智能,它的存在和发展能否将取代人类的生存和发展,这都是需要通过验证分析去得出结论的。最后,基于对人工神经网络模式识别机理的认识,对人工智能与人类智能的存在前提进行讨论,得出人工智能与人类智能的主要区别在于是否需要外在监督。数据虽然作为人工智能解决现实问题的基础,但数据是由数学逻辑符号和人为数据集的提供产生。而在真正的现实生活中,是无法存在这样一个监督者给与监督的。于是,人类作为具有自我意识的主体,应当完善自己的思考方式和行为方式,通过对这些问题的思考,发展出人工智能与人类智能界限产生的新认识,是规范人工智能发展的必不可少的要素。

关键词： 二元自相关过程   模式识别   随机森林   多特征提取   粒子群算法  

摘要： 传统多元控制图能够有效监测多元过程异常,但存在无法辨别具体发生异常的质量特性变量的局限性。此外,随着生产节拍加快和自动化数据采集技术的应用,采集的过程质量特性值序列容易呈现自相关性,违背了多元控制图对观测值独立同分布的基本假设,会导致严重的虚报或漏报情况发生。针对多元自相关过程控制问题,众多学者引入人工智能领域中的机器学习方法,通过模式识别方式来探测与辨别过程异常成为近年的研究热点。相较于多元控制图,机器学习方法不受统计假设限制,能够很好应对过程质量特性值的自相关性问题,且在使用中不需要人员介入,有希望成为实现过程质量监测自动化和智能化的有效途径。在前人研究的基础之上,鉴于RF具有调参少、训练效率高、容错性好、不易过拟合等优点,本文将随机森林（RF）这一较为新颖的机器学习方法引入多元自相关过程控制领域,研究其对过程质量异常的识别方法和性能,主要做了如下工作:1)探究了多元自相关过程的特性,以二元自相关过程（一个典型的多元自相关过程）为目标,基于时间序列分析方法,进一步构建出二元自相关过程模型。首先通过AR（1）模型描述了二元自相关过程,再根据向上阶跃模式的特征定义出二元自相关过程的4种模式,最后通过Monte-Carlo仿真方法制备出4种模式的实验数据集。2)研究集成学习算法及随机森林分类算法原理,构建基于随机森林的二元自相关过程模式分类模型,确定随机森林的关键参数（子树棵数和分裂特征子集容量）的合理取值范围,通过标准粒子群（PSO）算法,以4种模式平均分类准确率最优为目标,进行组合寻优,得到随机森林两大参数的最优组合值,并结合多特征提取与融合方法,构建多特征下PSO-RF模型。仿真实验结果表明,通过多特征提取与融合,PSO-RF分类器的分类性能得到了较大的提升,从91.25%提升到了98.33%,且PSO-RF模型更优于该领域最常见的两种分类模型BPNN分类模型（92.30%）和SVM分类模型（97.16%）。3)基于提出的二元自相关过程异常模式识别模型,按照软件工程流程,设计开发一个针对二元自相关过程进行质量特性值数据采集与异常识别的应用原型系统,并基于仿真的过程数据流进行了初步应用验证。研究结果表明,提出的基于随机森林的二元自相关过程质量异常识别模型是有效的,且具备一定的可应用性。