关键词： 微结构光纤   分布式声波传感   声波恢复   噪声处理   定位精确度   模式识别  

摘要： 微结构光纤分布式声波传感系统(Micro-structured Optical Fiber Distributed Acoustic Sensing,MF-DAS),相比于传统基于瑞利散射的光纤传感系统具有更高信噪比,更长距离和更多传感节点的特性,真正实现了基于光纤的长距离分布式传感。MF-DAS在大尺度高灵敏声波信息获取及重大基础设施内部损伤探测与外部侵害安全监测等领域具有十分广阔的应用前景。本文围绕微结构光纤分布式声波传感的数据分析和处理展开,针对数据预处理和模式识别算法这两个关键问题,提出了针对性的算法和模型并将研究成果转变为实际应用。主要的创新成果有:(1)提出声波恢复算法,从原始相位数据中较好提取出声波数据。相较于常用的滤波和小波变换手段,不仅提取声波信号之后保证了其频谱完整性,而且还没有给声波信号引入额外的噪声。(2)分析各种环境下噪声的处理办法,对比了各种噪声处理方法的优劣。创新性的将自然语言处理中的算法沿用到微结构声波传感的数据分析之中。(3)提出了定位精确度提升算法,将定位精确度由原来的2m提升至10～20cm量级(4)通过模式识别算法对测试集声波信号进行分类,达到90%的准确率(5)以微结构光纤分布式声波传感技术为基础,搭建完整传感系统,在边防和高铁站安防项目上进行了实地运用并取得了较好成果。

关键词： Intuitionistic fuzzy sets   Similarity measure   Triangular norm   Fuzzy clustering   Pattern recognition  

摘要： Measuring the similarity between images is an essential problem in various image processing and pattern recognition applications. In pattern recognition problems, it is indispensable to give formulas for calculating similarity between different patterns. But it is very difficult to find a certain measure that can be successfully applied to all kinds of pattern recognition problems. Intuitionistic fuzzy sets have been successfully applied to various areas such as pattern recognition and medical diagnostics. In intuitionistic fuzzy sets theory, the calculation of the similarity between intuitionistic fuzzy sets is a significant technique for distinguishing the similarity degree between intuitionistic fuzzy sets. The existing similarity measures almost are obtained in the sense of distance. In this paper, we present a novel way to obtain the similarity measure between intuitionistic fuzzy sets from a new perspective. Our main purpose is to show that according to the membership and non-membership functions of intuitionistic fuzzy sets, a triangular norm can induce an inclusion degree. Using this triangular norm and the induced inclusion degree, a similarity measure of intuitionistic fuzzy sets can be obtained. We also prove some properties of the proposed similarity measure between intuitionistic fuzzy sets. As the applications of similarity degree proposed in this paper, we first present an intuitionistic fuzzy clustering algorithm based on similarity degree. Then, the similarity degree proposed in this paper is applied to pattern recognition. At the same time, the numerical examples are employed to illustrate the effectiveness of proposed method.

关键词： 叶绿素荧光   荧光动力学成像   植物胁迫   水肥耦合   模式识别  

摘要： 促进农业可持续发展,大力发展精细农业、生态农业是我国面临的重要任务与挑战。提高农业信息化水平,尤其是准确获取植物对水分、养料的需求量以及对植物病害的早期监测和预防是非常必要的。叶绿素荧光被誉为植物无损检测的探针,与植物的光合作用PS Ⅱ密切相关,参与植物体内能量的竞争与分配。当植物受到胁迫时,其叶片叶绿素分子的数量及结构会发生较大的变化,这种变化可以通过叶绿素荧光,在植物的胁迫症状显现前灵敏地反映出来。相比较透射光,利用叶绿素荧光探测植物叶绿素含量的变化,可以有效避免因叶片厚度不同带来的测量误差,因此,近年来,叶绿素荧光被广泛地用于探测植物的各类生物及非生物胁迫。本文利用叶绿素荧光动力学成像技术对植物的干旱胁迫、水肥耦合、病害胁迫等进行研究。根据叶绿素荧光动力学曲线的变化特点,提出并设计了一套叶绿素荧光动力学成像系统,包括 460nm LED 光源、EMCCD(Electron-Multiplying CCD)探测器、滤光片、镜头、可升降平台等,可实现对叶绿素荧光动力学曲线上快速上升部分和缓慢下降部分的动力学参数以及不同时刻的叶绿素荧光图像的检测。该系统可对植物的生长状况进行直观的二维荧光图像观测及利用叶绿素荧光动力学参数对植物生长状况进行定性和定量分析研究提供实验支撑。针对利用SPAD(Soil and Plant Analyzer Development)值测量活体植物叶绿素含量时易受叶片水分含量、厚度等影响而导致测量误差较大的问题,提出并设计了活体植物叶片在线原位叶绿素含量和水分含量测量系统,构建了基于BP神经网络的叶绿素含量精细探测模型,并以紫荆、石楠、冬青等三种植物为样本,开展模型测量精度的验证。结果显示,考虑了叶片水分含量、厚度等因素的BP神经网络模型相比传统的SPAD单参数模型,叶绿素含量测量精度大大提高。尤其是针对叶片较厚的植物,利用该模型可以有效提高叶绿素含量在线检测的精度。为了定性分析不同种类植物在水分胁迫下的叶绿素荧光图像及叶绿素荧光动力学参数的变化,利用本文设计的叶绿素荧光动力学成像系统,采集样本植物叶片的叶绿素荧光图像,对不同时间产生的荧光图像进行降噪、乘除等运算,并用伪彩色显示,直观分析水分胁迫导致的植物叶绿素荧光分布的变化,并计算获得各个动力学参数。提出了以荧光比Rfd、TFm(荧光动力学曲线上次峰值出现的时间)等有效参数判断植物水分胁迫的方法。该定性研究为后续进一步进行定量分析植物生理生长状态和数学建模提供研究基础和特征参量。水和肥在植物的生长过程中是相互促进和相互制约的关系,本文提出利用叶绿素荧光动力学参数及多种建模方法建立了植物水肥耦合模型,并对样本植物进行了不同灌水量、不同氮肥施加量和不同水肥耦合水平下的叶绿素荧光动力学成像探测和实验。通过特征提取、建立模型,并对不同模型的识别准确性进行比较分析,结果显示利用RBF(Radial Basis Function)神经网络建模可分类判别出植物处于不同水肥比例耦合的状态。在植物病害研究方面,本文利用叶绿素荧光对黄瓜枯萎病进行了早期识别和预警的研究。提出了利用单参数Rfd建立的灰度GM(1,1)模型,可以在病害接种后第8天左右识别出健康叶片和病害叶片。提出了基于叶绿素荧光动力学曲线上快相特征值和慢相特征值作为输入参量,结合RBF神经网络的黄瓜枯萎病害识别模型,有效提高了黄瓜枯萎病的病症提前识别准确率。初步实验研究表明,黄瓜枯萎病在第四天可识别出病害的正确率由73.3%提高到 82.2%。理论研究与实验结果表明:叶绿素荧光动力学成像探测技术可以有效地探测植物的水分、营养、病害等环境胁迫。结合叶绿素荧光动力学曲线上快相及慢相特征值为输入的RBF神经网络模型,可以有效地提高植物胁迫种类及胁迫等级的识别正确率。本文的研究可为精细农业的发展、为植物生长过程中多因素综合作用的复杂机理研究提供理论支持和新的辅助探测方法。

关键词： G-四联体   mRNA   基因表达   序列特征  

摘要： 在生理条件下,核苷酸链除了常见的碱基配对形成双螺旋结构,还存在其他特殊的二级结构,G-四联体就是其中一种非常特殊且重要的二级结构。已有研究表明,G-四联体结构在端粒保护、DNA复制、转录以及RNA翻译中具有重要的调控作用。但是现有研究对于RNA上的G-四联体研究较少,因此本文利用RNA上G-四联体的测序数据,对RNA上的G-四联体从调控功能和序列特征进行分析,希望能对G-四联体的深入研究提供一定信息。首先采用DMS-seq方法对RNA进行二级结构测序,再从二级结构中得到G-四联体的位置,从而实现了对G-四联体的测序。测序结果显示,G-四联体在m RNA上分布不均衡,CDS区最少,5’UTR密度最高,3’UTR数量最高,而且G-四联体在起始密码子和终止密码子附近高度聚集。对G-四联体功能分析显示G-四联体在m RNA上不同位置具有不同的功能,在5’UTR上可能具有降低基因表达的功能,而在3’UTR区G-四联体会阻碍mi RNA与m RNA的结合,间接提高基因表达。最后对G-四联体的序列分析显示,测序得到的G-四联体与其序列具有显著的相关性,然后利用GLAM2工具对G-四联体的序列模体进行总结,得到了初步的G-四联体序列模体,然后通过决策树得到了G-四联体序列上最重要的三联密码子特征:GGG,GGC,CCT,GCA,GGA,AGG,GAG。最后对分类表现优秀的卷积神经网络进行可视化,分析了卷积核所提取的特征。论文系统地研究了m RNA中的G-四联体,统计了G-四联体的位置分布,探索分析了G-四联体的调控功能,剖析了G-四联体的序列特征,研究结果可能为阐述和深入研究RNA中的G-四联体提供了一定的参考。

关键词： 图像理解   模式识别   重点实验室   福建省  

摘要： 由我校计算机与信息工程学院联合麦克奥迪(厦门)医疗诊断系统有限公司申报的"福建省模式识别与图像理解重点实验室"获得省科技厅认定。"福建省模式识别与图像理解重点实验室"瞄准国家重大发展需求,紧跟国内外学术

关键词： Tall buildings   Residual structural capacity   Pattern recognition   Feature selection   LASSO regression   Support vector machine  

摘要： A pattern recognition approach is proposed to quantitatively assess the residual structural capacity of earthquake-damaged tall buildings. Sequential nonlinear response history analyses using as-recorded mainshock-aftershock ground motions are conducted to generate distinct feature patterns comprised of spatially distributed global and local engineering demand parameters (EDP) within the tall building. Residual structural capacity is assessed based on the median spectral intensity corresponding to the collapse prevention performance level. Dispersion-based filtering and feature selection using Least Absolute Shrinkage and Selector Operator (LASSO) are performed to effectively reduce the high dimensional feature space while selecting the most informative ones. The features that survive the filtering but excluded by LASSO are reserved and grouped based on their correlations with those that are selected. These reserved features can be utilized if the selected ones are unavailable. Predictive models using Support Vector Machine are constructed to map the EDP-based features to the residual structural capacity of the tall building, where satisfactory performance is observed as measured by the root mean square errors in the testing dataset. In addition to guiding post-earthquake inspections and residual structural capacity assessments, the proposed framework can inform optimal sensor placement as well as provide time-dependent limit state evaluation in aftershock environments.

关键词： 单兵室内导航   人体运动模式识别   零速修正   零速检测  

摘要： 利用卫星导航系统实现对车辆和行人的定位导航功能已经得到广泛的应用，但是在卫星信号无覆盖或者信号微弱的环境下无法利用该方式进行人员定位导航，特别是在人类活动较为频繁的室内环境。目前，国外对于室内定位导航技术已开展广泛的研究，并取得了一定的研究成果;而在国内对于该技术的研究才处于初步探索研究阶段。基于位置服务(LBS)在人类生活中的用处越来越广泛，室内定位导航系统(Indoor PositionSystem，IPS)将会是未来定位导航的重要发展方向，这也将会为人们的日常出行和生活带来诸多便利和福利。实现高精度室内定位导航，其关键点在于系统导航参数的误差修正。因此，本论文提出一种基于人体运动模式识别结果的自适应单兵导航系统，重点开展基于人体运动模式识别的自适应惯性零速修正室内导航算法的研究工作。　　在本文单兵导航系统的室内定位导航中，本文提出一种基于人体运动模式识别的自适应零速修正室内算法。人体运动模式识别的结果为运动过程中零速区间的检测提供理论依据，并根据该识别结果更好地进行零速区间检测，避免传统零速检测方法对人体运动过程中零速区间的漏检测以及误检测。在人体运动模式识别算法中，通过机器学习的算法模型结合人体运动学特征，采用分层识别的算法原理实现人体运动模式识别。此方法对于慢走运动模式的识别率最高，准确率达到99.54％。结合人体行走过程中的运动特征以及人体运动模式的识别结果，在该运动模式识别结果的基础上设计基于零速校正的卡尔曼滤波器，通过对卡尔曼滤波算法的改进，不仅实现了对系统速度误差的校正，而且还对系统的位置误差以及姿态误差进行了有效校正，从而实现了单兵导航系统室内定位导航精度的提高。并通过大量的实测实验证明了该算法的可靠性以及准确性。

关键词： 空间相关   多输入多输出   模式识别   单隐层前馈神经网络  

摘要： MIMO(Multiple Input Multiple Output,多输入多输出)技术由来已久。自二十世纪九十年代MIMO技术真正应用于无线通信以来,该技术凭借其能够提高通信系统的信道容量和频谱利用率的突出优势,逐步被通信行业的多个标准所采用,同时逐渐成为下一代移动通信的核心技术。在实际的无线通信传输环境中,MIMO系统的各个子信道之间可能产生空间相关性,这种相关性主要由天线阵列放置、天线周围的散射体分布以及传播环境等因素产生,并导致MIMO系统无法始终获得潜在的多天线增益,制约了通信系统的容量和误码性能。随着通信技术在人们日常生活中的广泛应用,对信号的监测和识别在军事和民用领域都是十分重要的研究课题。但是传统的调制方式识别算法由于对先验信息的依赖而导致在实际情况中存在较大的局限性,这也导致对信息有效性较差的空间相关MIMO通信信号的调制识别存在很大的困难。该研究主要关注空间相关MIMO系统中的盲数字调制模式识别,并提供基于极端学习机(ELM)和高阶统计特征的信号识别算法。ELM的优越性体现在无需事先了解信道和信号参数的情况下,可以随机选择隐藏节点并分析确定输出权重,从而降低计算复杂度。从理论上讲,该算法能够以极高的学习速率提供出色的泛化性能。同时,该研究还采用了ELM的衍生算法——双向极端学习机来解决ELM算法存在的缺陷。结果表明ELM可以获得完全可接受的识别性能,并可以提供坚固的基础结构以解决低信噪比的MIMO调制挑战。

关键词： kδ-邻域粗糙集模型   数据挖掘   模式识别   多粒度分类器  

摘要： 在信息爆炸的当今社会，各行各业，每分每秒都有海量的数据产生并且被存储。高效的分析和挖掘这些数据不仅可以带来巨大的经济效益而且还能促进科学技术的进一步发展。邻域粗糙集作为一种处理数值数据的有效工具，自发展以来得到了广泛的应用。本文针对两种经典的邻域粗糙集模型中的近邻粒选取问题，提出了一种新的邻域粗糙集模型叫做k-δ邻域粗糙集模型。基于这个模型，文章构造了一种属性约简算法和一种邻域多粒度分类算法。具体工作如下：　　1.邻域粒度的选取是邻域粗糙集模型的一大重要问题。经典的邻域粗糙集就邻域粒度的选取一般采用k-邻域或者δ-邻域这两种方法。然而，这两种方法都不能有效地刻画类别混合样本的邻域。针对这一问题，提出了一种新的邻域粗糙集模型叫做k-δ邻域粗糙集模型，该模型结合了k-邻域模型和δ-近邻模型的优点，能有效地处理数据异构问题。然而，由于k-近邻模型不具有单调性，因此文本采取迭代策略来定义该模型决策的粗糙近似，并讨论了它们的相关性质。　　2.属性约简是一种处理高维数据的有效的方法。它在保持系统的分类能力不变的情况下，删除数据中的冗余特征，进而获取数据中的最有用信息，使得知识处理过程更加简化。基于k-近邻邻域粗糙集模型，本文构造了一个前向贪婪搜索属性约简算法并设计实验验证算法的有效性。实验分析表明，文中提出的算法比现有的一些算法精度更高，尤其是相比较于δ-邻域粗糙集模型和k-近邻粗糙集模型。　　3.分类问题是当前数据挖掘最主要的研究方向之一，通过对已知的样本数据进行挖掘进而对未知的样本进行分类，这一基本思想在实际的生活生产中具有非常广泛的应用。针对高维数据的分类问题，多粒度方法被广泛的应用在数据挖掘和模式识别等多个领域中。该方法可以从多个角度来挖掘现有的数据，可以有效地提高分类能力。因此，在k-δ近邻邻域粗糙集模型的框架下，文章设计了一种邻域多粒度分类器对未知样本进行分类。通过实验分析证明了所提的分类算法比现有的几种经典分类算法的分类能力更强，分类更准确。

关键词： 中药   药代动力学模型   非线性回归   模式识别  

摘要： 中药的药代动力学研究非常困难,本文试图建立青阳参多成分治疗癫痫病的药代动力学模型。本文除了建立传统西药所采用的通过微分方程推导构建的动力学模型,还应用了现代控制理论中的模式识别方法对血药浓度与药效之间的关系进行分析,建立模型,并观察其预测的准确性。本课题组属于交叉学科,由昆明理工大学信息工程与自动化学院与生命科学与技术学院项目组组成。药学组通过四年多时间对小鼠进行了青阳参主要成分M1、M2治疗癫痫有效性的实验,并获得实验数据。本信息组首先建立了青阳参成分M1和M2对小鼠给药的药代动力学模型,得到血药浓度与时间的关系函数。再利用SPSS非线性最小二乘法拟合原理联立血药浓度与时间的关系函数分别对M1+M2以及M1+M2+Residue两种给药方式的观测数据进行参数估计,获得血药浓度-时间曲线关系式。分析比较后得到M1+M2系统给药方式可以完全取代M1+M2+Residue系统给药方式。最后再利用神经网络和支持向量机对M1+M2组给药方式的有效性进行仿真预测。预测结果与实际结果进行t检验,结果表明两者无显著性差异,由此验证了青阳参成分M1、M2的抗癫痫活性。该实验方案通过时间与血药浓度,血药浓度与药物效应的关系,模拟了M1、M2在体内的吸收代谢过程。实验结果说明了建立的药代动力学模型有其合理性,为如何利用准确的模型来模拟药物的吸收代谢过程提供了思路。