关键词： 区间值模糊集   t-可表示三角范数   模糊推理算法   相似度   鲁棒性   模式识别  

摘要： 模糊推理是模糊集理论的重要组成部分.模糊推理作为模糊控制的核心,取得了巨大的成功.作为模糊集的推广,区间值模糊集可以更好的处理不确定和不精确的信息,且能够有效的减少信息的丢失.本文研究了基于左连续区间值t-可表示三角范数的模糊推理算法,并将其应用于模式识别问题.具体研究内容和创新点如下:（1）给出基于左连续区间值t-可表示三角范数TT1,T2的模糊推理全蕴涵算法,进一步讨论了算法的还原性和鲁棒性,并将其应用于模式识别问题.（2）给出基于左连续区间值t-可表示三角范数TT1,T2的模糊推理五蕴涵算法,进一步讨论了算法的还原性和鲁棒性,并将其应用于模式识别问题.（3）引入区间值模糊集的一种新的相似度,给出基于区间值相似度的模糊推理算法,进一步讨论了算法的还原性和鲁棒性,同时给出基于区间值相似度的[α,β]-型模糊推理算法,并将其应用于模式识别问题.

关键词： 侦查讯问   讯问人员   认知加工现象   模式识别  

摘要： 侦查讯问作为以言辞方式对犯罪嫌疑人进行强制性调查的刑事司法活动,在查明事实、收集证据等方面具有不可替代的作用。侦查讯问人员的水平直接影响到侦查讯问工作的质量,法治化进程的发展对侦查讯问人员提出了更高的要求。当前,对侦查讯问人员认知心理的研究尚显薄弱,难以适应侦查讯问工作的需求。认知加工理论所研究的认知主体对于信息加工过程,与侦查讯问工作具有紧密联系。侦查讯问人员作为侦查讯问工作的认知主体,以认知心理学相关理论对其认知加工现象进行研究具有一定价值。侦查讯问人员认知加工现象是侦查讯问人员对自身获取信息所进行的加工、分析以及判断决策的认知心理过程现象。本文以文献研究、案例分析、定性研究为研究方法,在整理归纳侦查讯问人员认知心理及认知加工的研究背景、相关文献、研究意义的基础上,分析侦查讯问人员认知加工具体现象:从侦查讯问人员的生理属性出发,对侦查讯问人员的视觉与听觉加工、知觉加工过程以及模式识别等感觉与知觉加工现象进行描述;以侦查讯问人员社会属性为视角,基于Dodge的社会信息加工模型,分析了侦查讯问人员的社会信息加工现象,阐述了侦查讯问人员社会信息加工现象的六个阶段;文章同时探讨了侦查讯问人员的决策现象,以决策结构、讯问阶段为标准对侦查讯问人员决策进行分类,并对决策过程进行分析。在当前的侦查讯问实践中,侦查讯问人员在注意资源分配、信息加工效率及长时记忆信息储备等方面存在影响其认知加工的潜在问题。此外,沉没成本、过度自信等心理效应也可能对侦查讯问人员的判断决策产生不利影响。基于以上研究,从心理思维与业务能力两个方面入手提升侦查讯问人员认识加工水平具有可行性:在心理思维方面,通过元认知、沉思心理、转变归因倾向以及消极思维阻断等方面的训练,使侦查讯问人员了解自身认知加工的过程,提升感知觉和注意能力并消除不良心理状态;在业务能力方面,以建构主义为视角,创新业务能力培训教学形式,重构师生关系,通过开展提问情境训练和探索以讯问记录为中心的教学形式,提升讯问人员业务能力,丰富长时记忆内容,提升讯问人员认知加工效率与质量。

关键词： 侵犯性驾驶行为   驾驶倾向性   数据挖掘   模式识别   深度神经网络  

摘要： 近年来随着经济社会发展,我国汽车保有量持续增加,伴随着生活节奏不断加快,人们对自身驾车利益(比如时间、空间)的追求越来越高,对其他交通参与者的容忍度越来越低,致使道路上交通违法行为(例如近距离换道、频繁超车、不按规则让行等)屡见不鲜,甚者导致严重交通事故,对生命财产安全造成了严重威胁。本课题主要针对这类驾驶行为中的侵犯性驾驶行为展开研究,以期丰富汽车主动安全预警系统内容,为此类驾驶预警系统的开发提供理论支撑,主要研究工作分为以下几部分。首先,查阅了国内外对侵犯性驾驶行为的研究资料,阐明了研究侵犯性驾驶行为的背景意义,综述了该驾驶行为的研究现状,系统了解了侵犯性驾驶行为的发生机制、影响因素。在此基础上,总结了当前的研究不足,阐明了本文的研究内容及技术路线。其次,在广泛阅读、总结文献的基础上,结合本研究目的,主要完成了适应侵犯性驾驶行为研究的驾驶倾向性问卷设计和判定。本次驾驶倾向性的判定是在研究分析侵犯性驾驶行为的产生机制和驾驶倾向性的外延内涵以及攻击性行为特点基础上,借鉴行为测量学中专家讨论、现场调查、信效度分析等手段完成。再次,完成侵犯性驾驶行为实验及多维数据预处理研究。首先通过实验获取驾驶过程中的驾驶人生理-心理、车辆运行以及环境多维传感数据,然后基于数据挖掘技术和智能算法,设计了多维传感器异常值检测模型,完成对传感数据异常值的剔除,为后续驾驶行为辨识模型提供高质量的数据完成了实验数据的预处理。然后,完成对侵犯性驾驶行为的特征提取研究。首先对当前模式识别中的特征提取研究情况进行了简要说明,然后结合本研究对象的数据特点,针对简化数据维度和计算复杂度、提高后续辨识效率这一问题,建立了不同特征提取模型,对比验证、分析仿真结果,完成对不同驾驶倾向性驾驶员的侵犯性驾驶行为特征提取工作。最后,完成了驾驶行为辨识并为下一步预警系统的设计提供了初步思路。首先简述了模式识别和机器学习的研究进展,并对不同神经网络模型进行了研究、比较,然后基于神经网络基本模型利用Matlab工具和Python平台分别搭建了不同侵犯性驾驶行为深度神经网络辨识模型,最终完成对不同驾驶倾向性类型驾驶员的侵犯性驾驶行为识别,并提出了一种适应不同驾驶倾向性的精细化侵犯性驾驶行为预警系统初步思路。

关键词： 分类识别   中药光谱   LLE-RF   特征提取   可视化  

摘要： 中药模式识别技术在中药品质以及新药开发等方面有着重要的研究意义,特征提取是中药模式识别研究领域的关键技术,但不同算法提取的特征对分类识别效果有较大影响,因此,选择合适的特征提取算法在分类识别研究中极为重要。近年来,三维荧光光谱技术由于灵敏、快速等原因得到了广泛应用,而中药中大部分分子具备产生荧光的能力,因而,将三维荧光光谱技术引入中药分类识别研究中,从中药功效、中药药性的角度对中药三维荧光光谱特征进行分类识别。首先,在中药功效及药性基本理论的基础上,分析中药三维荧光光谱特性。针对中药荧光光谱信号中的噪声问题,在研究中药荧光光谱去噪方法的基础上,提出总体平均经验模态分解算法(EEMD)对中药光谱噪声进行降噪处理,以中药人参为例进行降噪,并将该方法与小波分解与重构、经验模态分解算法(EMD)进行比较,验证EEMD算法降噪效果的优越性。其次,对不同浓度的每味中药溶液主荧光峰位置、主荧光峰强度进行二维聚类以及三维聚类可视化分析,以浓度为10mg/ml的24味中药溶液荧光光谱数据为例分析中药荧光光谱的主荧光峰位置和对应强度的聚类效果。针对中药功效,从定量的角度研究每味中药溶液的浓度与主荧光峰强度的拟合回归关系;从定性的角度提出应用局部线性嵌入算法(LLE)对降噪后的补虚类中药光谱数据进行特征提取,并采用随机森林(RF)进行分类识别,其正确率达到95%。为了验证LLE的优越性,将该算法与主成分分析算法(PCA)进行比较。最后,针对中药药性,采用LLE、PCA算法分别提取寒温类中药荧光光谱特征,应用RF分类器构建不同分类模型,对中药药性的光谱特征进行分类识别,LLE-RF、PCA-RF分类正确率分别为96.6%、89.7%。将RF分类器构建的模型与支持向量机分类器(SVM)构建的模型进行比较,结果显示,LLE-SVM、PCA-SVM分类正确率分别为82.1%、89.5%,进而表明LLE-RF模型分类效果优于其它分类模型。

关键词： 热模锻压力机传动系统   故障诊断   滚动轴承   齿轮   特征提取   模式识别  

摘要： 传动系统是热模锻压力机的重要组成部分,由于冲击载荷、维护保养不及时等因素导致传动系统的一些零部件如轴承、齿轮等故障频发。为了减少热模锻压力机传动系统的零部件故障并提高零部件故障诊断智能化水平,本文提出基于振动特征提取的方法来对热模锻压力机传动系统的故障进行研究,主要研究了内容如下:1、热模锻压力机传动系统故障分析。以江苏扬力集团生产的HFP2500型热模锻压力机为研究对象,首先介绍了热模锻压力机的结构组成与工作原理;然后分析了热模锻压力机传动系统常见的故障与故障特点,着重分析了传动系统滚动轴承和齿轮的常见故障和故障振动特点。2、热模锻压力机传动系统零部件的振动信号采集与实验设计。为获取传动系统零部件的振动信号,首先设计了滚动轴承故障模拟试验台,并在不同自调心双列滚动轴承上加工出对应故障样式;然后利用LabVIEW编制了信号采集程序,使用NI数据采集卡等设备来采集了自调心双列滚动轴承的故障振动信号;最后利用QPZZ-Ⅱ试验台采集了齿轮不同故障状态的振动信号。3、热模锻压力机传动系统零部件的故障特征提取。为构建故障模式识别的特征向量样本,首先利用五点三次平滑法和多项式最小二乘法来去除了振动信号的噪声和趋势项;然后对故障特征提取方法进行了分析;最后采用指标法、幅频法与节点能量法分别提取了自调心双列滚动轴承与齿轮的时域统计量特征、特征频率与小波包分解节点能量特征。4、热模锻压力机传动系统零部件的故障模式识别。首先阐述了支持向量机的分类思想与算法原理,并阐明了SMO算法和SM-SVM分类器;然后利用SM-SVM与融合特征对热模锻压力机传动系统自调心双列滚动轴承和齿轮的不同故障进行了模式识别;最后为进一步提高零部件的故障模式识别准确率,提出了基于GS优化SM-SVM的故障模式识别方法,并采用了该方法来对零部件的不同故障进行模式识别,结果表明提出的方法是有效的。

关键词： 万年蒿   质量标准   指纹图谱   主成分分析(PCA)   正交-偏最小二乘法-判别分析(OPLS-DA)  

摘要： 目的:修订万年蒿吉林省地方药材标准,建立万年蒿药材指纹图谱,结合模式识别对万年蒿药材进行质量评价及同属药材艾叶、青蒿、茵陈的鉴别。方法:对采集的20批万年蒿药材采用DIVA-GIS绘图软件,根据万年蒿样本信息,绘制吉林省万年蒿药材地理分布图;采用显微法及薄层色谱法对万年蒿药材进行定性鉴别研究;依据《中国药典》2015年版四部通则对万年蒿药材进行检查项及浸出物的测定研究;采用HPLC法,以东莨菪内酯为测定指标,建立含量测定方法并进行方法学考察,并制定限度;采用HPLC对20批万年蒿药材进行检测,建立万年蒿药材HPLC指纹图谱,以中药色谱指纹图谱相似度评价系统进行分析;以指纹图谱共有色谱峰的峰面积为变量,采用SPSS 22.0软件,对20批万年蒿药材进行聚类分析（HCA）和主成分分析（PCA）,建立20批万年蒿药材聚类树状图,并以主成分的特征值及贡献率为依据,计算主成分综合得分,对各批万年蒿药材质量进行综合评价;采用中药色谱指纹图谱相似度评价系统,计算18批同属药材艾叶、青蒿、茵陈与万年蒿对照指纹图谱相似度;采用SPSS 22.0软件,对20批万年蒿药材及18批同属药材进行聚类分析;采用SIMCA14.0软件,对20批万年蒿药材及18批同属药材进行主成分分析、正交偏最小二乘-判别分析,对万年蒿及蒿属药材艾叶、青蒿、茵陈进行分类鉴别,寻找同属药材分类的主要贡献峰。结果:通过绘制的万年蒿地理分布图,确定万年蒿药材在吉林省地理分布经纬度跨度较广,其在吉林省属于广泛分布品种。明确了万年蒿药材的性状及粉末显微特征,建立了万年蒿中香豆素类成分东莨菪内酯及挥发性成分的薄层色谱鉴别方法,该方法快捷简便,专属性强,耐用性良好。综合比较分析各批万年蒿药材样品的检测数据,拟订了其检测限度,暂定水分不得过13.0%;总灰分不得过8.0%;酸不溶总灰分不得过2.0%;浸出物不得少于20.0%。以东莨菪内酯为指标性成分,测得不同批次万年蒿药材中东莨菪内酯的含量范围为0.069%0.302%。暂定按干燥品计,含东莨菪内酯(C10H8O4)不得少于0.060%。建立了不同批次万年蒿药材HPLC指纹图谱,采用相似度软件标定了10个共有峰,其中用东莨菪内酯对照品指认了其中1个共有峰;20批万年蒿药材的相似度在0.830～0.998,各批药材样品间质量存在差异。聚类分析结果与相似度结果之间有一定的关联性,可分为三类,相似度较接近的万年蒿样品聚为一类。结合PCA主成分因子得分构建了万年蒿综合评价函数为:F=0.47852F1+0.19530F2+0.11841F3,对20批万年蒿药材综合得分进行排序,S10药材样品主成分因子综合得分最高,样品S19和S8的综合得分最低。相似度分析表明,可通过相似度分析对青蒿与万年蒿进行区分,而艾叶和茵陈与万年蒿对照指纹图谱相似度存在重叠,仅从相似度上难以将它们与万年蒿区分。采用聚类分析时,四种蒿属药材样品被聚为5类。青蒿、茵陈、艾叶各自聚为一类,20批万年蒿被聚为两类,相似度数值处于较低水平的万年蒿药材被单独聚为一类。两两分组进行PCA分析时,各组间均能较好的分离,说明具有组间差异。OPLS-DA分析结果表明,万年蒿与同属各药材艾叶、青蒿、茵陈均在7号峰有差异,最终获得7号色谱峰为主要差异性标志物。结论:通过对万年蒿药材质量标准的系统化研究,完善了万年蒿药材性状、性味归经、功能主治的描述,增加了万年蒿药材粉末显微鉴别、薄层色谱鉴别、含量测定、水分、总灰分、酸不溶灰分、浸出物等项目,修订了1977年版万年蒿药材质量标准。基于指纹图谱技术结合主成分分析及聚类分析等方法,建立了万年蒿药材质量评价模式。通过指纹图谱多指标模式识别分析方法,开展了万年蒿与蒿属药材青蒿、艾叶及茵陈的模式识别研究,明确了它们的差异性成分,为万年蒿及其同属药材品种的分类鉴定提供了参考依据。

关键词： 模式识别   数学欣赏   数学之美  

摘要： 模式识别给学生提供了一种很有效的几何解题策略，文章从模式的构建、识别、运用出发，努力探寻具有相同、相近、相关结构的习题之间在结论、解法和解题思想上的联系.在对模式识别的过程中，引导学生在掌握解题策略的同时，欣赏习题的整体结构、完善自己的认知结构，在快速解决问题的过程中获得成功的体验，满足自我实现的需要.促进学生体验数学之美，提高其数学欣赏水平，感悟数学之美.

关键词： 图像处理   字符检测   字符识别   特征提取   模式识别  

摘要： 随着科技进步以及计算机的发展,工业生产也逐渐由工人主导生产与测试转化为计算机代替人工进行自动化处理,在机械工件设计、生产以及测试过程中,利用计算机检测与识别仪表屏幕以及图纸图像中字符,自动化地分析处理这些参数,无需人工测试以及比对图纸从而极大地提高生产效率,同时减少人工带来的误差。本文以机械工件生产与测试为背景,通过研究仪表及图纸图像中字符的检测与识别方法,完成整个自动化质检中字符识别这一关键步骤,并且设计与实现了一套完整的仪表及图纸图像中字符识别系统。本文主要研究及工作内容如下:1.研究了字符检测相关算法,针对仪表及图纸图像字符中存在较多标注线、仪表及工件图形、指示符号等干扰的特点,提出了改进的字符检测方法,通过一定的图像处理以及筛选条件去除这些干扰,再结合相关检测算法初步提取,最后使用基于连通域聚集的方式提取出一系列所需要的目标文本行。2.研究了文本行的倾斜校正和字符切分相关算法,针对在实际工业生产中使用传统校正算法效果不好的情况,探索并采取相对有效的倾斜校正算法,针对图纸图像中某些复杂的情况提出了改进的粘连字符切分算法,并通过实验验证所采取的方法明显优于传统方法,能够有效地完成字符的校正与切分。3.研究了字符识别流程中特征提取与分类相关算法,试验各种特征以及分类算法对于实际项目中字符的识别效果,针对不变矩特征识别效果不佳的情况进行了相应的特征选择与修正,对于KNN分类算法中的不足,提出了在最终分类判决阶段基于距离加权的改进。然后通过实验验证,改进的特征提取与分类算法均对仪表及图纸图像字符识别效果有较大的提升。4.分析了仪表及图纸图像字符识别错误的情况,对于错误比较集中的切分错误和形近字符错误提出了相应的修正方式。对于切分错误采用基于结构特征以及识别反馈的方式以提高切分精度,而对于形近字符提出一种识别置信度机制以及基于上下文的修正模式并以此提高形近字符的准确度,最后对涉及到的算法模块编程实现与测试,并整合各个模块设计出一套更有效的识别流程架构,通过多级识别模块相结合的方式进一步提高识别率及可靠性,完成整个系统搭建与实现。经过实验测试结果分析可知,本文采用的算法以及设计的系统能够有效满足实际生产需求,达到预期目标,从而应用到工业生产中提高生产及测试效率。

关键词： 环形正负电子对撞机   模式识别   喷注重建   神经网络  

摘要： 环形正负电子对撞机(Circular Electron Positron Collider，CEPC)是用于正负电子对撞，对Higgs粒子的性质以及电弱作用进行精确测量的机器。在CEPC中，约有一半的ZH、WW、ZZ事例衰变到四喷注末态。准确得区分ZH和WW/ZZ对于Higgs的精确测量是必要的。同时，WW和ZZ的区分对于量子色动力学、三规范玻色子耦合的测量以及W玻色子质量的测量是重要的。　　喷注是指在高能物理实验或重离子实验中由高能夸克或者胶子强子化产生的粒子簇。喷注重建是指将探测器探测到的末态粒子重建为喷注。可以找出喷注内在的物理规律，依此构建数学模型来重建喷注。随着计算机计算能力的提升和算法的发展，模式识别可以处理很多的问题。本文使用模式识别来研究高能物理中WW/ZZ四喷注末态重建问题。　　论文中比较了四种用于喷注重建的数学模型(ee_kt_algorithm、Cambridge、Anti_kLalgorithm以及Valencia(VLC))在样本e+e-→WW/ZZ→4夸克→4喷注中的喷注重建效果。根据WW/ZZ的质量分布重叠率(OverlappingFraction，OF)，发现WW和ZZ的全强子末态是可以分开的。喷注重建模型ee_kt_algorithm在RecoJet level对WW/ZZ的OF为57.8％±0.23％，加上截断条件|M12-M34|＜10GeV后，OF可以达到39.9％±0.40％，好于半轻子衰变中WW/ZZ的OF47.3％±0.26％。论文进一步分析了影响喷注重建效果的物理因素，如末态中的高能中微子以及初态辐射光子，发现其对喷注的重建有很大的影响。本论文为WW/ZZ全强子末态的区分提供了一套新的方法。

关键词： 管道泄漏检测   小波去噪   变模态分解   特征提取   模式识别  

摘要： 伴随着天然气管道数量的增加及运行年限的增长,天然气管道泄漏现象时有发生,极易造成严重事故,因此,对管道的运行状态进行实时监测具有非常重要的意义。本文以气体管道声波信号的采集、去噪、特征提取以及气体管道的运行状态识别为研究对象,通过实验分析确定了气体管道泄漏声波信号在不同状态下的频率范围;研究了小波阈值去噪算法并改进了阈值函数,研究了VMD算法,提出了VMD-Wavelet去噪算法;研究了气体管道声波信号的各种特征参数,搭建了基于VMD-Wavelet的云模型特征熵提取方法;研究了BP神经网络,提出了VMD-En-BP神经网络模型。本文所作主要工作如下:首先,研究声波法泄漏检测基本原理,设计了气体管道泄漏检测实验系统。分析了不同状态下泄漏信号的时域、频域特性,得出泄漏声波信号能量主要集中在低频段。其次,研究了硬阈值、软阈值以及Garrote阈值等经典小波阈值函数,提出一种改进小波阈值函数,利用改进的小波阈值函数对典型信号进行去噪处理,并与经典小波阈值函数作对比,结果表明改进小波阈值函数在信噪比、均方误差方面均能取得更好的去噪效果。再次,研究了VMD算法、Hausdorff距离、峭度以及小波变换等方法,提出了一种VMD-Wavelet去噪算法。该算法首先对含噪声信号进行VMD分解,利用Hausdorff距离来选取有效模态分量;计算未选择模态分量的峭度值,筛选峭度值大于选定阈值的分量,用改进的小波阈值函数滤除该分量的高频噪声;最后利用处理后的各个IMF分量重构信号。理论分析和仿真结果表明该方法不仅对典型信号具有良好的去噪效果,而且对实际气体管道泄漏信号、敲击信号以及正常运行信号均能取得较好的去噪效果。然后,通过仿真分析验证了EMD分解提取的各种运行状态下声波信号的模态分量频谱图中无法准确提取状态特征,而VMD分解后的IMF1、IMF2能体现各种运行状态下声波信号中心频率的差异。因此本文提出了基于VMD-Wavelet的云模型特征熵提取方法,该方法利用VMD-Wavelet算法对气体管道正常运行、敲击、泄漏三种状态下采集的声波信号进行去噪、选取有效模态进行重构、计算重构信号的En值;仿真分析发现利用该方法计算出的三种状态下重构信号的云模型特征熵有较好的区分度,可作为状态识别的特征参数。最后,研究了BP神经网络,搭建了VMD-BP和En-BP两种神经网络模型,根据各自的优缺点,提出了VMD-En-BP神经网络模型,利用该模型对气体管道运行状态进行识别,实验结果表明该模型能够准确识别气体管道正常运行、敲击、渗漏、小泄漏和大泄漏五种运行状态。