关键词： 蚁群优化   单核苷酸多态性   互作模式识别   全基因组关联分析   多目标优化  

摘要： 随着医疗卫生条件的改善、人们生活水平的提高,一些简单疾病基本上得到了控制,而复杂疾病成为威胁人类身体健康的首要因素。这些复杂疾病往往是由多对微效基因与环境因素共同作用导致,具有明显的遗传异质性、种族差异性及表型复杂性等特征,严重威胁着人类的健康。此外,随着高通量测序技术、生物芯片技术、纳米技术等的发展,产生了海量的基因数据。其中,单核苷酸多态性(Single Nucleotide Polymorphism,SNP)数据是最为典型的一类基因数据。然而,SNP数据是典型的高维小样本数据,使得研究面临着“维度灾难”和“组合爆炸”等挑战。本文通过对已有蚁群算法的研究进行补充完善,并将其应用在全基因组生物大数据互作模式识别中,这对进一步了解SNP与复杂疾病之间的关联以及复杂疾病产生和发展机理具有重大意义,并且为深入开展复杂疾病的风险评估、治疗及药物研制等方面打下坚实的基础。本文的研究主要包括以下几个方面:(1)提出了基于改进蚁群优化算法的SNP互作模式识别方法。基于传统的蚁群算法,在搜索策略中引入阈值将概率选择函数分成两部分,一方面增加决策规则的多样性,另一方面控制算法收敛速度。同时,在文中引入一个多目标优化函数来评价算法的好坏,以提高算法的准确性。通过改进基本的蚁群算法,并将改进算法应用到真实数据集中,对识别的SNP-SNP组合进行分析,发现了更多具有真实意义的SNP互作对。(2)提出了基于自适应调整蚁群优化算法的SNP互作模式识别方法。为了减少算法的引入参数,提高算法适用性,在算法中引入自适应调整策略来加强对致病模型的处理能力。其次,为了提升算法的计算效率,改善算法性能,在文中引入记忆策略和后期处理策略来处理算法识别的最优解集。将改进算法应用到真实数据集中识别SNP互作对,并进行相关生物分析,为复杂疾病的进一步研究提供思路。(3)提出了基于启发式蚁群优化算法的SNP互作模式识别方法。在蚁群算法中引入启发信息,以提高对疾病模型的识别能力。同时,考虑到信息素浓度对算法的影响,文中采用自适应调整的信息素更新策略,以有效控制算法的收敛速度。将改进算法应用到真实数据集中,并对识别结果进行分析,发现最终结果具有显著的生物学意义。

关键词： M-Z干涉   光纤震动监控系统   特征提取   模式识别  

摘要： 高速铁路周界安全防护是高速列车安全运行的基本保障。高速铁路分布范围广、距离长,气候地理环境复杂多变,构建一套高效智能的安全监测系统,准确判别广域铁路周界的潜在危害行为,具有极其重要的科学研究和工程应用价值。光纤震动传感具有感知距离长、灵敏度高、施工简单等特点,非常切合高速铁路这类线性分布大型基础设施的安全监测需求。然而,为了捕获大范围铁路周界的震动时空信息,满足铁路周界安全监测工程需求,光纤震动传感面临着数据并发量大、入侵震动模式复杂多样、长期稳定运行等技术难题。为此,本文以提高铁路周界安全系统模式识别的快速准确性为目标,从光纤M-Z干涉震动检测原理入手,重点研究广域多路并发震动信号高速采集方法和快速模式识别算法,利用软硬件协同处理,提出了环境自适应的模式识别算法,并在动车组站通过了验证。论文工作包括以下三个方面:(1)提出了一种基于FPGA多路震动数据提取的数据预处理方法。针对入侵震动信号和系统静默信号的特点,利用FPGA实现了震动信号的快速定位提取,并对震动信号进行预处理来提高上位机对入侵模式的识别速率。针对异常状况下数据的可靠传输问题,采用乒乓操作对数据进行处理,解决了入侵数据的高速传输和异常状态下入侵数据的可靠保存。(2)设计了针对震动信号时域、频域的快速特征提取方法。针对不同类型入侵事件的特点和分类器需求,利用短时过零数、FFT变换和EMD实现对震动信号进行分层次的特征提取,得到能完整反映震动事件的特征向量,并且减小了系统的计算量,提高了特征提取效率。(3)研究了一种环境自适应的模式快速分类方法。铁路周界具有样本获取困难、入侵模式多样和环境多变的特点,采用K最近邻均值与SVM相结合的分类算法,实现入侵信号的快速准确分类。对于有效震动,通过对震动信号的特征进行学习和处理来实现环境的自适应。本文研究光纤振动传感系统实现了高速铁路周界入侵震动的快速准确检测与识别,并在佛山动车所进行了现场工程验证,达到了误报率低、模式识别快速准确的安全监测要求。

关键词： 有机酸根   高通量   反应芯片   图片数字化处理   深度学习  

摘要： 伴随着社会的不断发展,科学技术的腾飞,人类生活越来越富足。与此同时,人工合成的东西越来越多,产生的垃圾数不胜数。物质种类的繁多将导致人类对物质的识别工作越来越困难。有机酸盐是有机酸和碱溶液发生中和反应生成的一类盐。这类盐溶液在一定的条件下可以作为催化剂,催化降解油田的稠油,也是一种具有应用价值和发展前途的新型缓蚀阻垢剂,还具有保鲜冷冻制品等优点。识别有机酸盐的种类是进一步分析含量、浓度等对环境和人类影响的首要工作,但是有机酸盐种类的增多给识别工作带来了很多困难。目前关于有机酸盐的研究方向,主要集中在以下方面,一方面是有机酸盐含量的测定及提取。另一方面是有机酸盐对动植物和环境的影响。但是对有机酸盐的识别研究较少,而且只能识别几类具有典型特性的有机酸根,识别范围有限。本实验设计出了一种较为简便的,能够一次性做出成千上万个实验的方法,提供了一种识别不同模式下混合有机酸根特性的反应芯片和网络模型。该芯片对不同的混合有机酸根有良好的灵敏性和区分度。网络模型对输入的含某些未知有机酸根的混合溶液形成的结果图能够输出它相应的特征值,从特征值上辨别出混合有机酸根的种类,从而达到识别有机酸根的目的。经过一系列的探究,本实验最终选择了基于高通量技术和喷墨打印技术相结合的方法来构建出一种反应芯片。将不同的有机酸根溶液以不同的方式打印于反应芯片上,形成不同模式的混合有机酸根组合。经过扫描仪记录下来它们遇到反应芯片后的变化,最后进行数字化处理和分析以及深度学习。主要结论:(1)显色剂和扰动剂的选择。本实验通过孔穴板和九宫格的方法对几类显色剂和扰动剂进行了选择。最终通过颜色变化的丰富性,选择了甲基红和溴百里香酚蓝两种酸碱显色剂以及铬黑T和铜试剂两种金属显色剂。扰动剂选择了柠檬酸,硝酸铜,碳酸钾和硫酸铝钾四种溶液。(2)反应芯片的构建。利用高通量技术的组合化学原理,本实验在Photoshop中设计出了四种显色剂和四种扰动剂的打印模板。通过化学打印的方式,把显色剂和扰动剂附着于反应基底上形成本实验的反应芯片。(3)混合有机酸根的显色成像。本实验选择了可溶性较好的具有典型代表的四种有机酸根溶液。它们分别是酒石酸、牛磺酸、乳酸、抗坏血酸和氢氧化钠溶液反应形成的酒石酸钠、牛磺酸钠、乳酸钠和抗坏血酸钠。将它们按照不同的设计模板(马赛克形式)打印于反应基底上形成不同模式的混合有机酸根的图案,经过扫描仪扫描获得最终的实验结果图。(4)实验图片的处理和分析。本实验将扫描获得的实验图片进行了标准化预处理和数字化处理。将图案信息转化为数字信号得到了不同模式的混合有机酸根在反应芯片上形成的等值线图,验证了反应芯片的灵敏性和可行性。(5)深度学习网络模型的构建。本实验将设计模板的标签值和去掉背景的实验结果图进行了深度学习,将得到的结果在Origin中分析。它们的线性模拟相关系数在0.8到0.9之间,说明了该方法的整体可行性和网络模型的精确性。

关键词： Big Data   Healthcare System   Image Recognition   Machine Learning  

摘要： Today healthcare sector is completely distinguished from other industries. It is a highly important area and people wants highest level of care and facilities irrespective of cost. It could not accomplish social prospect even though it consumes vast fraction of budget. Frequently the analyses of medical data were done by the medical expert. In terms of image analysis by different human expert, it is often restricted due to its subjectivity, image complexity, widespread differences occur across different translators, and fatigue. As after the feat of Big Data and machine learning in real world medical application, it is similarly giving exhilarating results with fine precision for medical imaging and is viewed as an important factor for upcoming applications in area of health sector. This paper presents survey of different applications on the Machine Learning and Big Data which relies on image pattern recognition. Copyright © 2019 American Scientific Publishers All rights reserved.

关键词： 加速度传感器   跌倒检测   模式识别  

摘要： 当前我国老年人口不断增多,已经进入老龄化社会,关注老年人生活品质和身心健康的问题日益突出。根据相关数据分析显示,老年人伤亡最主要的原因为发生跌倒行为。采取积极有效的手段保证老年人发生跌倒行为时,能够获得及时有效的援助显得尤为重要。本论文主要研究内容为设计一款高性能、高准确率的跌倒救助系统装置。其中以可穿戴设备技术为基础,根据加速度传感器输出的原始数据,进行人体运动的姿态解析。为了提高跌倒检测算法判定的准确性,基于模式识别的跌倒检测算法基础上进行了算法改进。系统的总体方案设计包括了硬件部分和软件部分,论文中就着两个部分做出了详细介绍。利用加速度传感器采集人体运动的原始三轴加速度信号和三轴角速度信号,对原始数据信号进行预处理,再进行姿态解析。人体常见的行为运动可以分为正常行为运动、剧烈行为运动、跌倒行为运动三大类。本论文主要研究内容将跌倒行为运动从这三种行为运动中区分出来,为了提高跌倒检测算法的精准性,选取三个特征值:三轴加速度的峰值(RA)、三轴加速度变化的幅度(RS)、能量值(E),由这三个特征值构成特征向量,通过大量数据样本的训练,得到不同行为运动对应的行为空间,进行运动姿态的区分。本论文设计的跌倒检测系统装置主要功能如下,由加速度传感器的测量值,利用相应的算法分析出老年人的身体姿态,当出现跌倒状态时,能够触发微控制器进行预跌倒处理。考虑到老年人跌倒不严重可自行处理和跌倒装置误判的情况,在触发微控制器预跌倒处理后,该跌倒救助装置先向周围环境发出语音求救信号,老年人可根据自身身体状况选择是否进行报警,当老年人无法控制自己行为时,跌倒救助装置自动实施报警。实施报警后,跌倒救助装置将老年人跌倒的空间定位信息发送到事先设置的亲属手机上,保证能够及时获得有效的救助。

关键词： 模式识别   稀疏表示   字典学习   多核函数   K-SVD  

摘要： 随着计算机硬件设备的高速发展,大量数据开始进入计算机处理器,现有的字典学习算法大多采用线性字典学习方法,由于不需要预训练,这种学习方法速度快、稀疏性高,适用于大批量的输入数据,但当输入样本存在丢失或是较大噪声污染时,线性字典学习方法在用于图像识别时效果欠佳。为了解决这一些问题,本文在协同表示框架下,对经典的字典学习算法进行了改进,并将其应用到人脸识别领域。本文以经典的K-SVD字典学习算法为基础,针对输入数据预处理和改进字典学习方法两方面展开研究。主要研究内容如下:(1)介绍了本文的研究背景与意义,对国内外相关理论支撑进行了概述,并分析了主要工作。(2)阐述了信号稀疏技术,对协同表示进行分析,着重介绍经典K-SVD字典学习算法。(3)提出了一种改进的基于标签预处理和多核学习的非线性K-SVD字典学习算法。首先对输入数据进行预处理,通过设立标签正则化项,根据阈值判断,使用直接删除数据、使用小容错数据和均值补全数据三种方法把相同类的标签进行预处理,从而得到一个完整的、表达性强的字典。再将由线性核函数、多项式核函数、高斯核函数组成的多核函数引入K-SVD字典学习算法,对预处理之后的字典进行学习,在更新阶段,将更新信号投影到高维空间中进行学习,扩大字典学习空间,训练出一个过完备的字典,从而获得更好的分类性能。最后使用协同表示对测试样本进行分类,通过对L2范数残差值进行计算,根据测试样本的残差值,将其归入残差小的类。通过实验表明,在输入数据存在丢失或是具有较大噪声影响的情况下,非线性字典学习方法具有更好的分类能力,说明多核学习K-SVD方法在模式识别的图像识别领域中有好的表现。

关键词： 人工智能   模糊理论   机器学习   专家系统   模式识别   缺陷检测  

摘要： 以钢铁行业现状为背景,对人工智能技术进行分析,研究了其中较为常见的模糊理论、机器学习、专家系统和模式识别在钢铁行业中的不同应用情况。采用人工智能技术后,钢铁行业的自动化能力和准确率以及企业效益均得以提升,因此得出人工智能技术在钢铁领域作用巨大,需大力发展,行业才会迅猛发展的结论。

关键词： Trip mode recognition   smartphone sensor data   sampling frequency   SVM  

摘要： In this paper, a hybrid model composed of the correlation ratio analysis and the Support Vector Machine (SVM) is proposed for trip mode recognition. The correlation ratio analysis algorithm is applied to determine the optimal time window of the input attributes so as to optimize the input parameters. The SVM is applied to carry out the trip mode recognition for the whole trip. On this basis, the influence of data sampling frequency on trip mode recognition is further evaluated using large-scale field test data. The results show that: (1) the correlation ratio analysis and the SVM hybrid model attains the best performance for trip mode recognition, the average mode recognition precision reaches 89.8% at the sampling frequency of 1 s;(2) the data sampling frequency significantly affects the trip mode recognition effect;when the sampling frequency is high (less than 5 s), the mode recognition precision is above 70%, however, when the sampling frequency is relatively low (more than 30 s), the bus and car mode recognition precision falls rapidly below 37%. These results provide a reference for using the smartphone sensor datasets to supplement or even replace household travel surveys in transportation planning in the future.

关键词： 交通信号灯   模式识别   驾驶预期  

摘要： 基于交通事故频发的现实情况,迫切需要加强对交通相关问题的研究。为考察交通信号灯的模式构成对驾驶人员驾驶行为的影响,基于交通信号灯的圆盘、箭头、数字变化,以及颜色变化形成的信息呈现方式,采用多因素实验设计考察被试的信号识别与反应,具体包括两个实验:实验一采用2(倒计时数字颜色:红、绿)X2(圆盘信号灯颜色:红、绿)X2(左转方向指示信号灯变化情况:倒计时结束后信号灯改变、不改变)X2(是否持有驾照:有、无)的混合实验设计,其中倒计时颜色、圆盘信号灯颜色和左转方向指示信号灯变化情况为组内变量,驾照持有情况为组间变量,因变量为被试的反应时和正确率。实验二采用2(倒计时数字颜色:红、绿)X2(圆盘信号灯颜色:红、绿)X2(右转方向指示信号灯变化情况:倒计时过程中信号灯改变、不改变)X2(是否持有驾照:有、无)的混合实验设计,其中倒计时颜色、圆盘信号灯颜色和右转方向指示信号灯变化情况为组内变量,驾照持有情况为组间变量,因变量为被试的反应时和正确率。结果显示:(1)左转行车指令的识别中,圆盘信号灯颜色的主效应显著,被试对红色圆盘信号灯判断的反应时显著短于绿色;左转方向信号灯变化情况的主效应显著,被试对倒计时结束随即改变左转信号灯判断的反应时显著短于不改变的情况;驾照持有情况的主效应显著,未持有驾照的被试在对左转行车指令判断中反应时短于有驾照的被试;(2)左转行车指令的识别中,倒计时颜色、圆盘信号灯颜色和驾照持有情况的交互效应显著。持有驾照的被试对由绿色倒计时与红色圆盘组成的信号灯反应时最短;未持有驾照的被试对由红色倒计时与红色圆盘组成的信号灯反应时最短;(3)右转行车指令的识别中,右转方向指示信号灯变化情况的主效应显著,被试对倒计时过程中不改变右转信号灯的反应时显著短于改变右转信号灯的情况,且正确率更高;(4)右转行车指令的识别中,圆盘信号灯颜色、右转信号灯变化情况和驾照持有情况的交互效应显著。持有驾照的被试对圆盘信号灯为红色时倒计时结束信号灯不改变的组合反应时最短。未持有驾照的被试对圆盘信号灯为绿色时倒计时结束信号灯不改变的组合反应时最短。研究结论:(1)左转道驾驶中,倒计时数字颜色与圆盘信号灯颜色不一致时被试反应较快,一致时反应较慢;(2)右转道驾驶中,倒计时数字颜色与圆盘信号灯颜色一致时被试反应较快,不一致时反应较慢;(3)倒计时结束后立即改变行车指令的情况和在倒计时过程中不随机改变行车指令的情况会明显减少期望偏差的出现,使个体有更快的反应和更高的正确率。

关键词： 表面肌电信号   特征提取   采样率   模式识别   卷积神经网络  

摘要： 表面肌电信号(surface electromyography signal,sEMG)是表征骨骼肌肌肉纤维兴奋、收缩时运动单元冲动的生物电信号。它与肌肉活动状态紧密相关,在一定程度上能够反映出神经肌肉的功能状态,并且采集方便,仿生性好,目前已经在辅助诊断研究上有了广泛的应用。然而肌电信号极易受环境影响,在实际场景使用中存在鲁棒性不强,性能不稳定等问题,并且采集设备成本高,需要长期维护,因此在临床医学应用上仍然具有很大的局限性。本文的研究旨在提升与推广基于肌电信号的模式识别应用(例如假肢手控制)。为了降低信号采集成本,探究了肌电信号采样率对于手势识别的影响,另外本文提出了一种新的肌电特征算法以及基于表面肌电图的网络特征提取方法以提升不同场景下的手势识别效果,并对网络肌电特征进行了分析与评估。本文的主要工作如下:(1)提出了公开数据集Elonxi DB,并详细描述了表面肌电信号的采集过程,包括手势动作的选择,电极位置的排布以及信号采集的规则等。(2)研究了传统的肌电特征提取方法,包括时域特征(Time Domain,TD),频域特征(Frequency Domain,FD),时频域特征(Time-Frequency Domain,TFD)和参数模型分析,并在此基础上提出了一种改进特征:动态差分幅值(Dynamic Amplitude Difference,DAD)。实验表明,该特征在一定程度上能够反映信号的变化过程,从而降低误差提升识别效果。(3)为了探究传统的分类模型对分时间段肌电信号的手势识别性能,本文使用了k近邻算法(KNN),线性判别分析方法(LDA)和支持向量机(SVM),对同时间段和跨时间段获取的肌电特征进行模式识别操作。并在此基础上,进一步探究了采样率对于识别效果的影响。实验表明,不同的肌电特征对采样率的敏感度不同,并且在不同场景下低采样频率(约200Hz)仍能得到不错的识别效果,从而为降低硬件采集成本提供了现实意义。(4)本文提出了一种表面肌电信号的网络特征提取方法,在电极位置发生偏移以及不同人的数据存在差异的情况下,与传统的26种肌电特征(包括本文提出的新特征:DAD特征)进行对比,并分别从识别率,安全距离以及可重复性三个指标进行分析与评估,该方法也被用于公开肌电数据集(NinaPro)以验证其鲁棒性。实验表明,网络特征(CNNFeat)能够提升手势识别效果,并且具有较强的鲁棒性,本文提出的网络结构能够在肌电应用中获取良好的性能。论文最后对全文进行了总结,并对未来的工作提出了计划与展望。