关键词： 脑网络   多模态融合   精神分裂症   模式识别  

摘要： 探索大脑并揭示大脑活动的神经机制是一个具有挑战性的科学问题。大脑的功能不仅是由单个神经元或单个大脑区域独立决定的,而是由神经元簇、功能块内的神经回路或大脑区域之间的一组相互作用决定的,因此可以用网络的方法将大脑建模。随着复杂网络理论的发展,脑网络分析逐渐成为神经科学领域中的一个热点研究方向。近年来,神经影像学和脑磁图学等技术被用于构建多种不同尺度的脑网络,更加推动了脑网络研究的发展。除了研究正常大脑的工作机制,众多的研究表明,许多精神疾病大脑的损伤往往会反映在结构性、功能性脑网络上。精神分裂症就是其中一种严重的慢性精神疾病,常见病症包括幻觉、妄想、丧失主动性和认知功能障碍。因此,需要采用合适的数学、统计学模型来构建大脑网络,并且对大脑的结构和功能进行深入研究,一方面探究正常大脑的工作机制,另一方面探索精神疾病的病理生理网络机制,同时,由于不同模态影像携带有互补信息,多模态融合方法的开发和应用可以提供一个更加敏感的测量,用于支持基于神经影像学技术的临床诊断。围绕这些问题,我们的研究工作主要包括以下四个部分:1我们利用静息态功能磁共振影像构建功能网络,使用滑动窗口动态连接分析方法,旨在描述假定的“静息状态不稳定性”在精神分裂症患者遗传素质和临床表型中的作用。此外,我们检查了抗精神病药物的剂量效应,以研究治疗对公认的临床表现标志物的二次效应,并对临床严重程度(阳性和阴性症状得分)与使用动态功能连接确认的变异性区域之间的关系进行了前瞻性分析。我们的研究结果表明,左侧楔前叶功能连接的时变不稳定性可能是精神分裂症表型表达的一个核心特征,而不是遗传介导的或疾病严重程度或治疗相关的附带现象。2利用弥散张量成像数据,研究精神分裂症患者的白质异常。我们结合了两个重要但以前分离的方法,基于体素的分析方法(VBA)和确定性纤维追踪,从单一的体素水平(单变量),纤维连接水平(双变量),和结构网络的全局拓扑属性(多变量)同时验证结果。VBA分析表明病人广泛区域的的各向异性分数(FA)值降低,纤维追踪的结果进一步验证了VBA的分析结果,在病人中有多条连接受损,特别是左右半脑的连接和丘脑-皮质反馈回路。同时,相比正常人,患者的结构网络显示出较弱的全局一体化,从这多个层次上确定了精神分裂症患者的脑白质异常。3我们开发了一种新的多元融合方法,将静息态的功能磁共振数据(fMRI)、结构磁共振数据(sMRI)和弥散张量成像数据(DTI)相结合,而不需要缩小尺寸或使用先验信息。我们首先使用Wilk’s lambda统计量构建和总结每个脑区的多指标特性,通过进行多变量方差分析来检测四种不同模型(fMRI、sMRI、DTI、fusion)组间显著性差异的值。结果表明,三个模态融合的特征在大脑大部分脑区中p值最小,说明我们可以通过整合附加信息来增加组间差异。判别分析的结果证实了这一结论,即每一种模态都是实现良好的组合和分类所不可或缺的,融合特征的预测准确率最高为86.12%。4我们利用三种模态数据分别构建每个被试的功能网络,概率追踪结构网络,以及基于KL散度的个体形态学网络。我们以这三个网络的连接作为特征,采用支持向量机方法对精神分裂症患者进行分类。结果表明各个模态找到的各自的生物标记虽然并不重叠,但大部分都位于基底节-丘脑-皮层环路,并且结合这三种模态的生物标记做为特征可以取得最高的判别效果达到91.75%(相比单个模态)。

关键词： 非线性单元   模式识别   参数确定   瞬时特征参数   动力响应  

摘要： 结构在实际运营过程中,会遇到极端荷载作用(如:地震,风荷载,雨雪荷载等),从而表现出复杂的非线性行为,例如结构的几何、阻尼,材料本身或边界条件的非线性。对于非线性结构,基于线性理论的模型检验和修正的方法将有可能不再适用,因此研究非线性结构的模型确认及参数识别具有重要的现实意义。论文提出了一种基于动力响应的结构非线性单元模式识别和参数确定方法。其主要内容如下:研究了三种典型非线性(双线性刚度,立方刚度,二次阻尼)单自由度结构体系的振动特征和恢复力曲面,通过非线性特征指标体系与支持向量机方法进行非线性单元模式识别,并基于正则化最小二乘法确定了非线性单元的模型参数。研究了三种典型非线性类型(双线性刚度,立方刚度,二次阻尼)多自由度非线性悬臂梁结构的振动特征和恢复力曲面,通过基于非线性特征指标与支持向量机的模式识别方法成功识别了非线性单元。并基于振动响应瞬时特征识别方法和正则化最小二乘法识别出非线性单元模型参数。以IMAC XXXII(2014)会议上提出的Benchmark模型为研究对象,开展非线性单元模式识别和参数确定。该模型考虑中间柔性单元在较强瞬时激励荷载作用下出现刚度软化效应,而引起结构非线性动力响应。本文利用所提方法成功识别了非线性单元模式,并通过基于振动响应瞬时特征识别方法和正则化最小二乘法识别出了非线性单元模型的参数,进一步验证了所提方法的有效性。

关键词： 大肠埃希菌   多肽   代谢物   静电场轨道阱质谱   模式识别  

摘要： 本论文选用于2018年1月至2018年4月采自徐州医科大学附属医院检验科患者体内的大肠埃希菌菌株作为研究样本。提取对碳青霉烯类药物耐药的大肠埃希菌和对碳青霉烯类药物敏感的大肠埃希菌中的多肽和代谢物,每组实验设置3个生物学重复,采用静电场轨道阱质谱(Orbitrap MS)对提取的多肽和代谢物样本分别进行分析,引入模式识别方法从复杂的分析结果中实现对耐药菌株与敏感菌株的快速,准确的预测。根据单变量统计分析找出两类菌株在统计学上有显著性差异的化合物,为研究大肠埃希菌对碳青霉烯类药物的耐药机制及药物的合成提供参考。实现聚类分析,主成分分析(PCA),偏最小二乘法判别分析(PLS-DA)和正交偏最小二乘法判别分析(OPLS-DA)的R语言程序包分别是"cluster"包,"psych"包和"ropls"包。单变量统计分析利用了t检验计算每一个化合物的P值,进行显著差异化物筛选,同时利用倍数变化(FC)分析计算每一个化合物的FC值,判断该化合物在耐药菌株与敏感菌株中的含量变化。多肽样本的静电场轨道阱质谱数据的模式识别分析结果表明:基于最远距离法的聚类分析结果能将两类大肠埃希菌很好的区分开,且基于最远距离法的同表型相关系数最高,结果为0.901。比较PCA、PLS-DA和OPLS-DA的分析结果得出,OPLS-DA预测大肠埃希菌的耐药菌株和敏感菌株的准确率最高。对三种模式识别方法找出的差异化合物进行t检验和FC分析,PCA找出1个在两类菌株中差异显著的化合物,FC值为1.5171。PLS-DA找出了18个在两类菌株中差异显著的化合物,其中有5个化合物的P值小于0.01,表示这五个化合物在两类菌株中差异极显著,1个化合物的FC值小于1。OPLS-DA确定了26个在两类菌株中差异显著的化合物,其中有6个化合物的P值小于0.01,1个化合物的FC值小于1。代谢物样本的聚类分析结果表明基于最远距离法的聚类分析的结果最好,同表型相关系数最高,结果为0.829。代谢物样本的PCA、PLS-DA和OPLS-DA分析结果表明,PCA不能完全的将两类菌株区分开,而PLS-DA和OPLS-DA均能完全将两类菌株区分开,且对两类菌株的预测能力均大于90%。t检验和FC分析的结果显示,PCA共筛选出3个在两类菌株中有显著性差异的化合物,其中两个化合物的P值小于0.01,FC值均小于1。PLS-DA共筛选出87个显著差异的化合物,55个化合物的P值小于0.01,7个化合物的FC值大于1。OPLS-DA共筛选出96个显著差异的化合物,70个P值小于0.01,9个化合物的FC值大于1。

关键词： 漂移点   误差分布   相似性度量   序列压缩   行为模式聚类   预测树优化   流量预测  

摘要： 室内空间区域是人类活动最为集中和活跃的地方,也是绝大多数人生产、生活空间。室内空间的布局包含各个功能区的地理空间位置合理划分,从而使得其空间分布特征满足其功能性需求。因此随着社会科技的进步,室内定位技术在我们的日常生活中的应用面越来越广泛,现阶段在人们日常生活、商业服务和公共安全等方面都有着良好的应用前景。但是室内环境常常十分复杂,人们在构造室内空间时所使用的方法和材料都是不一样的,因此受到建筑材料和内部信号干扰装置的影响,我们所接收到的传感器信号无法始终保持一个稳定的状态。因此,如何在室内复杂变化的环境中实现精确的定位是室内定位技术研究领域中的一个重要方向,同样也是目前的热点研究方向。但是在获得较高质量的位置信息后,室内定位这一领域仍然有许多问题值得本文去研究分析。比如室内行人行为模式的分析,这是基于室内场所不断丰富而产生的实际应用需求。本文如何利用室内定位数据使我们获得更深层次、更多元化的信息,挖掘出位置信息背后的规律将具有十分重要的应用价值和理论意义。根据近年来室内定位技术的发展情况,现阶段需要深入研究的三个方向:(1)在实际环境中室内定位数据的精度问题;(2)室内场所中行人行为模式的研究与分析;(3)根据室内场所而满足不同需求的预测模型的应用计算。本文正是从这三个方向着手进行研究,并提出了针对每个问题中的重要部分的优化算法,并将其应用于行人模式的聚类以及行人行为模式的预测等问题中,大量的实验结果验证了本文提出的技术方法的有效性与适用性。本文主要研究内容如下:1)数据预处理和数据模型组织通过将室内定位数据和室内地图坐标转换为一致的坐标轴进行计算,并将原始数据集中不具备有效活动时长和地理位置偏差较大的无实际意义的定位数据进行剔除,在进行数据异常值检查,通过数据统计直方图、Voronoi制图以及半变异函数/协方差云等方法来探测原始数据中的异常值。通过一个有效的检索、管理时间和空间数据相结合的存储模型。针对室内定位数据的特点,分析其数据结构、数据坐标和数据内容,选取定位精度指标、属性完整性、一致性等作为室内定位数据的基本属性标准,并以行人状态特征应包含有特征属性FA(Feature Attribute)、特征关系FR(Feature Relationship)、特征行为FB(Feature Behavior)为室内定位数据建立数据模型。2)室内行人轨迹数据特征提取和误差分析根据获得室内定位数据中存在一种高发频率的定位数据坐标漂移现象,且常常发生在持续时间长且位置变化较小的定位数据集中,因此本文先需要对这类停留点做相关定义。确立停留点后再根据相关定义算法将所获得的距离阈值和时间阈值应用到可信度较高的停留轨迹识别中,漂移现象常发生在停留轨迹中,所以在提取漂移点的过程中存在一些障碍和困难,如定位数据的漂移是否是真实存在的行为,因此通过提取出含有漂移点的所有停留轨迹,将这些轨迹分为三种,将其中一种作为研究数据。并对其标准差和平均值分别进行统计,1)含有漂移点的停留轨迹,2)剔除漂移点的停留轨迹,3)漂移点的质心到剔除漂移点的停留轨迹的质心,再结合AP传感器的分布结构来验证实验结果,从漂移点的角度深入探讨误差造成的因素以及误差分布状态,基于实验结果可以对今后探讨改善误差的合理方案提供有力支持。3)基于室内定位数据的行人行为模式聚类分析根据行人以及室内店铺的各类属性来对行人个体的行为相似性提出一种新的算法,再结合行人与店铺之间的关系来建立权值矩阵,并基于SOM(Self-organizing Maps)算法针对行人轨迹的模式聚类分析,针对SOM算法对于相似性的度量非常敏感,通过改进的相似性算法来对SOM算法的输入数进行优化,从而将弥补本身的缺点,SOM算法的优点可以很好地应用于孤立点问题。通过聚类的结果可以将室内行人轨迹分为六大类,并对每一类的行人轨迹提出一种互动推荐算法,从而增强室内行人之间的互动性。4)基于时间序列轨迹数据的行人行为预测通过LSTM(Long Short-Term Memory)建立的预测模型不仅能够对时序数据进行非线性映射,同时能够在一段时间内所获得的输入信息进行预测,行人在室内的行为模式常常会受到多种外部因素的影响。例如,节假日作为外部影响因素来说对室内行人流量具有明显增幅作用,但是在对具体时间段上的影响程度表现差别很大,通过室内店铺历史人流量数据来预测未来室内流量,在今后的室内场所中根据获得的行人行为模式可以实行针对性应急预案。将室内行人行为轨迹数据运用到CPT(Compact Prediction Tree)算法中去预测行人行为模式,取得的预测结果正确率无法满足实际应用需求,因此通过压缩行人行为轨迹来对数据源进行优化,再通过对CPT模型算法的优化改进。将其预测树结构进行优化并引入停留时长属性作为轨迹预测的重要参

关键词： acute liver failure   acute-on-chronic liver failure   C-type lectin receptors   cytosolic DNA sensors   inflammasome   nucleotide-binding oligomerization domain-like receptors   Toll-like receptors  

摘要： Liver failure is a clinical syndrome with many causes, a complicated pathogenesis, diverse clinical manifestations, and very high mortality. No effective treatment is yet available. Main pathological processes of liver failure include direct damage to parenchymal and nonparenchymal liver cells that might be caused by viruses or drugs, immune-mediated indirect damage, inflammation, and ischemia-hypoxia injury that further strengthen liver damage and lead to endotoxemia. Among these causes, viral or bacterial components (called pathogen-associated and damage-associated molecular patterns) are released during tissue damage and cell death and may be recognized by pattern recognition receptors (PRRs) to induce secretion of inflammatory cytokines and chemokines and activate immune cells. This process is an important mechanism that underlies the progression of liver failure. Research concerning the roles of PRR signaling pathways in liver failure is expected to result in development of immunomodulatory drugs to target specific disease stages, immune cells, and signal transduction molecules. This article briefly introduces the research status of six main PRRs (Toll-like receptors, nucleotide-binding oligomerization domain-like receptors, retinoic-acid-inducible gene I-like receptors, cytosolic DNA sensors, C-type lectin receptors, and inflammasomes) in acute liver failure and acute-on-chronic liver failure and explores further research directions.

关键词： 高光谱   注水肉   模式识别   特征光谱  

摘要： 注水肉是人为在生肉里加水来增加肉的重量,从而获取更多盈利,注水肉是一种危害人身体健康的产品。猪肉、羊肉、鸡肉和牛肉等大型牲畜类肉品容易被人们制备成注水肉,制成过程主要是通过屠宰前一定时间给活着的动物灌水,或者在屠宰后向生肉内注射水。注水肉颜色一般会比正常肉浅,手摸肉的表面不会有粘的感觉,在空气中放置一段时间后会有浅红色的血水流出。注水肉引发的社会问题包括:残害动物、违反食品安全法规、损害消费者权益、降低肉类的口感质量、注入不卫生的水的问题等。根据国标《GB 18394-2001畜禽肉水分限量》规定的畜禽肉水分限量标准中的猪肉、牛肉、鸡肉的含水量>77%,羊肉含水量>78%,即可判为注水肉。一直以来,肉食品消费是我国居民消费的主要部分。在这些肉食品消费中,人们消费最多的就是猪肉。因此,为了保障好人民和国家的利益,需要严格把控好猪肉食品的安全检测问题。最近几年,很多研究学者在对农畜肉食品进行无损检测研究和对肉食品安全问题进行检测运用时,都采用了高光谱成像系统,其特征主要有分辨率高、不必对所采集的样品进行损害式的处理、能够简单操作、对样品没有破坏等。但是对高光谱成像技术还需要更多的研究应用,因为高光谱仪器里产生的数据内容是立方体的,数据信息庞大,里面包含了很多重复内容,对数据进行处理的时候会产生很大的计算量,这样就会耗费太多的时间,从而就会使所建模型速度变慢;所采用的不同的数据处理方法也会有不同的模型精度;所采用的不同品种的肉品进行建模也会有不同的模型精度。针对这个现状,本研究将通过设计实验和数据分析,以正常猪肉和注水猪肉为对象展开研究,提出了足以体现正常肉和注水肉之间的差异性,并能够有效的区分两者。继而对注水肉的识别展开了应用研究,具体研究内容包括以下几个方面:(1)采用高光谱成像技术在光谱的358nm-1021 nm波段范围内对100个猪肉样本进行光谱信息采集,研究对原始光谱信息进行预处理的各种方法,通过比较在不同预处理下的不同建模方法结果,结果表明358nm-1021nm波段的最佳预处理方法为多元散射校正法。(2)采用高光谱定量分析技术,对整块肉品含水率进行快速检测,以肉品的含水率作为注水肉的判定标准,建立基于高光谱技术的猪肉含水率检测模型,从而进行注水肉的识别。本部分内容分别建立了全波段下和特征波段下的逐步多元回归(SMLR)、神经网络(BP)和偏最小二乘法(PLSR)模型,结果表明最优建模方法是特征波段下的逐步多元回归法,其训练集Rc2为0.7978,训练集均方根误差RMESC为0.4021,测试集Rp2为0.8288,测试集均方根误差为0.3412。然后利用特征波段下的逐步多元回归法进行注水肉识别,最后识别率高达96.4%。(3)采用高光谱定性分析技术,根据注水肉高光谱与正常肉高光谱特征,利用高光谱模式识别方法,建立注水肉判别模式,实现对注水肉的快速识别。本部分内容分别建立支持向量机(SVM)和神经网络(BP)分类器模型,结果表明最优分类方法是支持向量机模型,最后识别率高达95.2%。本课题基于高光谱技术对猪肉含水率测定方法进行研宄,能够有效的保护了被测样本,从而样本不被破坏,能够进行后续实验,为日后便携式猪肉注水肉识别仪的设计和开发提供了理论依据。因此,对猪肉品质高光谱无损检测方法研究,可以加快对肉食品检测的速度,可以提高检测质量,能够很好的使用检测模型,进而对于促进猪肉品质高光谱无损检测技术的研究与应用、促进无损检测肉食品的高光谱检测系统的开发和便携式检测设备的研制、以及推动猪肉工业化生产进程具有重要的科学意义和广阔的应用前景。

关键词： 模式识别   冲击环境区域划分   冲击响应谱   BP神经网络   SOM神经网络  

摘要： 随着现代武器种类的极大丰富以及武器系统性能的不断提升,舰艇作为主要的海上作战平台在战时面临着严峻的安全问题。目前,关于舰艇抗冲击性能的相关研究是保障舰艇生命力、充分发挥舰艇战斗力的基础。针对舰艇在遭受水下非接触爆炸时冲击环境的研究仍然是舰艇抗冲击领域最主要的方向之一,具有重要的实际应用价值。各个国家关于舰艇抗冲击相关标准具有较大的差异,但是均采用冲击响应谱的形式对关于舰艇冲击环境分析、舰载设备冲击性能考核、冲击环境区域划分等方面做了规定。冲击响应谱是目前描述舰艇冲击环境最有效的方法之一,受计算机技术、人工智能技术长足进步的影响,本文围绕人工智能模式识别技术,以冲击谱为基础,对水下非接触爆炸作用下舰载设备冲击环境相关内容展开研究。由于实船试验成本昂贵,模式识别理论及技术在舰艇抗冲击领域广泛使用,使数值仿真的计算量极大地降低,同时可以对实际的水下爆炸试验设备冲击环境进行评估,有着极大的参考意义。本文内容的实现,主要有以下几个方面:(1)以中型浮动冲击平台测试条件下的舰载设备抗冲击考核试验数据为基础,通过确定试验的炸药量、爆距、爆源位置、测点位置及被试设备质量等信息,最终利用支持向量机实现了相应工况中相关测试条件下各个设备安装位置处的冲击环境模拟。(2)利用最小二乘法将冲击谱规整为设计谱的方法在计算过程中存在较大的误差,因此本文提出了BP神经网络来实现冲击谱与设计谱转换计算的方法。本文通过建立遗传算法优化的BP神经网络设计谱模型,预测得到相关设备安装位置更加精准的谱速度、谱位移和谱加速度参数。(3)各国关于舰艇冲击环境的划分并没有统一的标准,而我国现有的冲击环境划分方式则主要借鉴了以美国为主的海军强国。本文以我国某型舰艇遭受水下非接触爆炸时的冲击环境仿真数据为基础,提出了一种基于模式识别技术的舰艇冲击环境区域划分方法。首先是利用灰度关联法对测点在纵向、横向、垂向位置上的变化对舰艇冲击环境产生的影响进行评估,然后对全船冲击环境数值的变化进行数值统计特性分析,之后利用SOM神经网络实现舰艇冲击环境的聚类计算,并通过S4VM半监督聚类算法对各模式类之间的边界及类内异常值进行修正,最终得到基于模式识别技术的舰艇冲击环境区划结果。本方法的提出旨在为我国舰艇冲击环境相关研究提供新的思路。

关键词： 表面肌电信号   可穿戴   动作识别系统   机械手  

摘要： 随着人机接口技术的迅速发展,人工智能、机器学习被广泛应用到了各民用生活领域,为了改善肢体残疾人群的生活质量,近年来智能假肢的应用与控制已成为当前研究的重点。利用肌电信号控制假肢,是目前热门的一种人机接口技术,肌电信号最能反映出人体做出动作的生理变化,在假肢控制领域意义重大。肌电控制需要精确的信号采集、有效的特征提取、识别率高的分类算法来作为基础,还需保证系统的实时性以减少控制延迟。目前大多数的研究都是基于实验室环境的肌电信号模式识别,没有在算法实时性做深入研究,且采集信号一般通过商业化的专用设备,不便于携带。本文将从以下几个方面开展工作:首先,针对目前已经商业化的专业采集设备价格昂贵、不易于携带,以及目前国内的肌电信号采集设备大多精度较低的问题,设计了便携式、可穿戴的肌电信号采集装置,采用了专门用于采集生物电信号的ADS1299来保证肌电信号采集的精度。同时对于传统的肌电采集设备通道数较少的问题,本文设计支持4通道的信号采集,通过无线传输方式来上传数据到上位机中。其次,针对于肌电信号中干扰噪声较多的问题,如工频干扰、基线漂移等,通过50Hz陷波器、中值滤波、带通滤波等滤波器设计将其滤除。针对于单一特征的动作分类准确率较低的问题,本文对肌电信号的特征选择进行了详细的测试,通过单时域、频域特征与各特征组合的对比结果,最终确定了选择平均绝对值、均方根、波形长度三种时域特征组合作为分类器的输入。利用BP神经网络和支持向量机对选定的特征值组合进行动作分类,准确率分别达到了92.8%和83.3%,最终选择利用BP神经网络来对4通道肌电信号提取出的三时域特征组合进行动作分类,与单一特征分类相比准确率提高了3.2%。最后,针对于目前没有完整的配套采集设备的软件训练平台,本文设计了基于硬件设备的动作识别系统,控制设备的通讯、采样率、采集模式等相关参数,可以准确有效接收上传数据以及绘制数据的实时波形,可对数据进行特征提取、分类训练、存取特征与训练网络等操作,集成了数据活动段检测、网络训练参数显示、串口通讯等功能,实现了对机械手的实时控制。

关键词： 光纤传感   Φ-OTDR   AdaBoost   模式识别   召回率  

摘要： 随着科学技术的发展,光纤传感技术与机器学习算法也在不断地得到完善。其中基于相位敏感光时域反射仪(Phase-sensitive Optical Time Domain Reflectometer,Φ-OTDR)的分布式光纤传感系统由于设计结构简单、监测的距离较长、可实现多点定位等优点,在长距离机场安防、油气管道检测、涵洞隧道检测等环境中得到了广泛的应用。基于Φ-OTDR分布式光纤传感系统扰动事件的多分类逐渐成为了重要的研究方向,而本文就是基于AdaBoost(Adaptive Boosting)算法对五种扰动事件进行识别,完成的主要工作包括:(1)研究分析Φ-OTDR分布式光纤传感技术理论,对输出信号进行了简单的理论分析,提取五种情况(浇水、攀爬、敲击、碾压、无扰动)下的扰动信号。对采集到的样本信号进行数据归一化、数据分组、数据差分等预处理操作,可以消除原始数据之间的相互影响,为后续的特征提取提供便利;然后提取了扰动信号在时域方面的三十维特征值,为扰动信号的识别分类奠定了基础。(2)提出基于投票的扰动信号分类方法,并对其实现和验证。结果表明所提出的识别方法能够有效识别五种扰动事件,对五种扰动事件的召回率分别达到91.93%、98.20%、91.57%、90.83%、99.23%,平均识别召回率达到94.35%;五种模式的识别精确率分别为94.85%、87.54%、97.76%、95.83%、99.21%,平均识别精确率为95.04%。(3)提出基于二进制编码的扰动信号分类方法,对其实现和验证。结果表明该方法能够有效的对五种扰动事件进行区分,但相比于基于投票法的扰动事件识别方法,识别率有一定的下降,对五种扰动事件的召回率分别达到89.43%、97.70%、90.90%、88.30%、99.13%,平均识别召回率为93.09%;五种模式的识别精确率分别为93.28%、87.35%、96.23%、92.75%、99.64%,平均识别精确率为93.85%。此外,由于二分类器个数的减少,所以识别的时间相对于投票法有一定的下降。(4)提出基于二进制编码与二叉树的扰动信号分类方法,对其实现和验证。结果表明该方法能够有效的对五种扰动事件进行识别,而且相比于前两种识别方法,识别率有一定的提升,对五种扰动事件的召回率分别达到92.27%、97.83%、94.47%、90.33%、98.73%,平均识别召回率为94.73%,五种模式的识别精确率分别为92.95%、90.90%、97.05%、95.67%、99.76%,平均识别精确率为95.27%。该方法的识别召回率和精确率都较优于前两种识别方法,但是识别的时间却有一定的增加,100次试验的平均识别时间为0.2325s。

关键词： LIBSVM   支持向量机   桥梁技术状况分类   模式识别  

摘要： 针对桥梁技术状态需要人为主观确定各因素的影响权重问题,基于LIBSVM支持向量机构建了桥梁各部件状态特征因素量和桥梁状态评估值非线性映射模型,通过交叉验证设计LIBSVM寻找最优参数的方法对88座桥梁样本数据进行学习、17座桥梁数据进行测试,同时对比了神经网络模式识别分类方法。分析和对比结果表明:采用LIBSVM方法对桥梁技术状况进行分类预测准确率达100%,其理论完善、计算简便和泛化能力均优于神经网络模式识别,说明LIBSVM方法可以较好地用于确定桥梁技术状况分类。