关键词： 人工智能   网络安全   自动预警   数据监测   模式识别  

摘要： 随着网络技术的快速发展,网络安全问题日益突出。为了提高网络安全预警的准确性和实时性,提出一种基于人工智能算法的网络安全自动预警系统。该系统通过对网络流量和安全日志进行实时监测,利用人工智能算法进行数据分析和模式识别,及时发现潜在的安全威胁,并生成预警信息。实验结果表明,该系统能够有效提高网络安全预警的准确性和实时性,为网络安全防护提供有力支持。

关键词： 脉冲重复间隔调制   数据补全   模式识别   GAIN-LSTM  

摘要： 开展脉冲重复间隔(Pulse Repetition Interval,PRI)模式识别工作是电子支援系统的一项重要任务。现代复杂电磁环境下,受雷达辐射源部署和接收设备本身影响,雷达脉冲丢失率极高,导致分选后PRI序列调制规律被破坏,现有的PRI模式识别方法准确率不足。针对上述问题,从PRI序列还原角度出发,并结合PRI序列本质是时序序列的特点,提出GAIN-LSTM(Generative Adversarial Imputation Nets and Long Short Term Memory)网络架构,其先对丢失脉冲位置进行补全操作,恢复PRI调制规律,然后对还原后PRI序列进行调制模式识别。仿真结果表明,提出的GAIN-LSTM网络架构在脉冲丢失率70%时仍保持95%的正确识别率。

关键词： “以学生为中心”   “模式识别与计算机视觉”课程教学模式   考核评价方式  

摘要： “以学生为中心”的教育理念可以激发学生的学习兴趣和学习主动性。中医药院校开设的“模式识别与计算机视觉”课程所具备的内容新、实践要求高、中医药与现代技术交叉的学科特点决定了“以学生为中心”的教育理念更适用于本门课程的学习,有利于显著提升学习效果。基于该理念,本文通过对课程教学模式的探讨,思考并设计了知识讲授、案例驱动和创新应用相结合的教学设计,以及多元评价和分级拓展的考核评价方式。

关键词： 集合经验模态分解   奇异值熵   评价指标   局部放电   模式识别  

摘要： 针对气体绝缘组合电器(GIS)局部放电故障信号非平稳性和放电类型识别准确率低的问题,提出了一种基于集合经验模态分解(EEMD)奇异值熵的局部放电模式识别算法。首先对局部放电原始信号进行EEMD分解,得到多个固有模态分量(IMF),根据均方差、峭度和欧氏距离评价指标选取隐含放电信息居多的最优模态分量进行信号重构;然后对重构信号进行奇异值分解,结合信息熵算法计算出奇异值熵;最后,根据奇异值熵大小区分出GIS局部放电的类型。实验结果表明,通过与传统的EMD奇异值熵和VMD奇异值熵算法对比,该方法可以有效地通过各自不同区间的奇异熵值进行识别放电类型。

关键词： 相对熵   核密度估计   异常模式识别   质量控制  

摘要： 连续大规模生产不仅要求企业能更准确高效地识别生产过程状态,还需要识别生产过程中潜在的质量问题,从而提前规避质量风险。现有控制图方法能监测短期内生产过程是否处于异常状态,但难以对长期生产过程潜在的质量问题进行识别和分析。为了突破这一局限,本文提出在过程控制中运用基于相对熵的方法对质量数据分布形态进行识别,通过识别质量异常模式来分析潜在的质量问题。首先,通过仿真生成五种分布模式训练集和测试集;其次,将测试集样本质量特性值的概率分布或经核密度估计拟合后的概率密度作为模型输入;最后,通过构建的相对熵函数来量化抽样样本分布与各典型质量异常模式分布的相似性和差异性,输出生产状态分类指标,并通过两个质量模式判断准则完成模式识别。仿真结果表明,本文提出的方法在质量特性值为离散和连续情况下均能对质量异常分布模式进行有效识别。通过与同类方法进行对比,发现本文方法具有更高的识别精度,可以更有效地监控和识别生产过程的质量异常。

关键词： 生脉饮   高效液相色谱   指纹图谱   热稳定性评价  

摘要： 构建生脉饮的高效液相指纹图谱,综合运用化学模式识别技术,对其进行热稳定性评价.通过色谱图的比对分析,筛选出最优的实验条件.采用WondaSil C18(4.6 mm×150 mm, 5μm)作为色谱柱;以0.2%甲酸-乙腈为流动相,梯度洗脱,检测波长为260 nm,流速为1.0 mL/min,柱温为30℃.采用SPSS、SIMCA等数据分析软件进行模式识别.构建18份供试品溶液的指纹图谱,确定了8个共有峰,并指认出4个主要成分,分别是5-羟甲基糠醛、党参炔苷、原儿茶酸和五味子醇甲.指纹图谱的相似度达到0.828及以上.此方法简便,稳定,重复性良好,能有效识别生脉饮中的化学成分,为生脉饮质量控制及热稳定性提供参考.随温度升高,峰面积减小,五味子醇甲的热稳定性降低,且不同厂家的生脉饮中五味子醇甲的热稳定性有所差异,其他成分热稳定性良好.

关键词： 光纤光学   光纤传感器   模式识别   深度残差收缩网络   新阈值函数   周界安防  

摘要： 提出了基于新阈值函数的深度残差收缩网络(DRSN-NTF),用于解决分布式光纤声传感(DAS)信号噪声强、识别难的问题。DRSN-NTF基于深度残差收缩网络(DRSN),使用新阈值函数代替软阈值函数,使其更能发挥信号噪声处理和分类识别能力。使用DAS系统采集周界入侵事件的实验数据,并通过添加高斯白噪声的形式,设计了6组不同信噪比(0 dB~5 dB)的实验。对比了4个模型的实验结果,由此考察DRSN-NTF的识别效果。结果发现:在强噪声的情况下,DRSN-NTF取得的平均测试准确率比DRSN高1.05%;随着信噪比的降低,DRSN-NTF的测试准确率高于DRSN的差值增大,表明DRSN-NTF在信号噪声处理和分类识别能力方面更强,能获得相对更高的识别准确率。因此,DRSNNTF更加适用于DAS信号识别。

关键词： 结构健康监测   异常数据检测   模式识别神经网络   特征提取   极坐标化AUCs曲线  

摘要： 实际结构监测中不可避免出现异常数据,干扰结构的安全评估并引起误判。针对实际监测中多类型异常数据检测效率低和检测结果不准确的问题,提出一种基于特征提取和模式识别神经网络(PRNN)的多类型异常数据识别方法。针对不同类型异常数据的特点建立特征指标集合,通过特征提取将冗长原始样本转化为简短特征向量,显著提高了数据处理和异常检测的效率;进一步引入极坐标化AUCs曲线对多种异常的识别效果进行精确描述,提高了特征指标选取和网络参数调节的优化效率。建立武汉长江航运中心(335 m)健康监测系统,采用该超高层建筑的监测数据对所提方法的精度和效率予以验征。结果表明,基于特征提取和PRNN的多类型异常数据识别方法对6种数据异常的识别准确率达到99.7%,且运算时长仅为深度学习方法的数十分之一。

关键词： 自然语言处理   人工智能   群体智能   智能计算   模式识别   智能系统   因果推理   多智能体  

摘要： 2024年将特别关注大模型、元宇宙、人工智能、物联网、区块链、量子计算、大数据、隐私安全保护等技术的融合应用。本年度组稿包括但不仅限于以下方向:人工智能:大模型、多视图/多模态学习、统计学习、联邦学习、稳定学习、终身学习、跨模态内容生成、大数据智能、混合增强智能、群体智能、因果推理、类脑智能计算、量子智能计算、智能机器感知与模式识别、自然语言处理与理解、机器人与智能系统、多智能体协同、自主协同控制与优化决策、人工智能艺术创作。

关键词： 抹茶   指纹图谱   咖啡碱   表没食子儿茶素没食子酸酯   儿茶素   山柰酚   没食子儿茶素没食子酸酯   没食子酸   儿茶素类物质   化学识别模式   主成分分析  

摘要： 目的建立不同产地抹茶的HPLC指纹图谱及多成分含量测定,结合化学模式识别法评价不同产地抹茶的质量,为其进一步研究和开发提供依据。方法Agilent Eclipse Plus C18色谱柱,流动相为乙腈(A)-0.1%磷酸(B)进行梯度洗脱,体积流量为1.0 mL/min,检测波长278 nm,柱温35℃,进样量10μL。采用《中药色谱指纹图谱相似度评价系统A版》(国家药典委员会2004版)软件建立27批不同产地抹茶的HPLC指纹图谱并分析相似度。使用IBM SPSS statistics 20和Origin 2023b软件进行聚类分析、主成分分析和偏最小二乘法-判别分析(partial least squares-discriminant analysis,PLS-DA)。通过对照品对比指认化学成分并进行定量测定。结果27批抹茶HPLC指纹图谱共匹配出23个共有峰,分别指认出,峰4是没食子酸,峰6是表没食子儿茶素(epigallocatechin,EGC),峰8是儿茶素,峰9是咖啡碱,峰12是表儿茶素,峰13是表没食子儿茶素没食子酸酯(epigallocatechin-3-gallate,EGCG),峰14是没食子儿茶素没食子酸酯(gallocatechin gallate,GCG),峰16是芦丁,峰17是表儿茶素没食子酸酯(epicatechin gallate,ECG),峰21是槲皮素,峰22是山柰酚,指纹图谱相似度范围为0.983~1.000。聚类分析将27批抹茶分为4类。主成分分析得出江口和瓮安产地的抹茶质量较好;经PLS-DA分析筛选出了咖啡碱、EGCG、儿茶素、山柰酚、GCG、没食子酸等8个差异成分。样品中没食子酸、EGC、儿茶素、咖啡碱、表儿茶素、EGCG、GCG、芦丁、ECG、槲皮素、山柰酚11种成分含量分别为0.10~0.85、8.27~4.36、4.21~3.84、42.23~72.37、10.41~16.49、48.52~72.89、0.12~0.73、0.53~1.76、21.43~28.60、0.01~0.04、0.03~0.38 mg/g。结论建立的抹茶HPLC指纹图谱操作简便、结果可靠,咖啡碱、EGCG、儿茶素、山柰酚、GCG、没食子酸可以作为抹茶质量评价的指标性成分。