关键词： 橘叶   超高效液相色谱   指纹图谱   聚类分析   主成分分析  

摘要： 目的建立橘叶UPLC指纹图谱,对不同产地药材进行质量评价,为科学评价各批次橘叶质量提供依据。方法采用Acquty UPLC BEH C18(100 mm×2.1 mm,1.7μm)色谱柱,以0.2%甲酸水溶液-甲醇为流动相进行梯度洗脱,体积流量为0.3 mL/min,柱温为26℃,检测波长为330 nm。结合聚类分析和主成分分析对20批不同产地橘叶药材的整体质量进行评价。结果建立20批橘叶的UPLC对照指纹图谱,标定27个共有峰,聚类分析分成4类,利用主成分分析进行验证且确定6个决定峰。结论结合化学计量学和UPLC指纹图谱为建立全面有效的橘叶药材质量控制模式提供参考。

关键词： 乌龙茶   茶树品种   鲜叶   品质成分   模式识别  

摘要： 为探明适制乌龙茶品种新梢的基本生化特性,本研究以绿茶品种春季鲜叶为对照,对福建代表性乌龙茶品种春季和秋季鲜叶的水浸出物(WEs)、茶多酚(TPs)、游离氨基酸(FAA)、可溶性糖(WSSs)和咖啡因(CAF)含量进行了检测分析。基于主要品质成分及其组合变量的可视化模式识别结果表明,采用偏最小二乘判别分析(PLS-DA)能有效刻画出4种不同嫩度绿茶和乌龙茶品种春季鲜叶样(即绿茶品种幼嫩鲜叶样、绿茶品种成熟鲜叶样、乌龙茶品种幼嫩鲜叶样和乌龙茶品种成熟鲜叶样)主要品质化学轮廓的群体差异,另基于主成分分析(PCA)和偏最小二乘判别分析(PLS-DA)均可直观呈现采摘季节和芽叶嫩度对乌龙茶品种鲜叶主要品质化学轮廓的影响。单变量统计分析结果显示,春季鲜叶样中的绿茶品种幼嫩鲜叶有较高的WEs和TPs含量,成熟鲜叶有较高的WSSs和较低的CAF、FAAs含量;乌龙茶品种幼嫩鲜叶有较高的FAAs和较低的WSSs含量,成熟鲜叶有较高的CAF和较低的WEs、TPs含量。此外,乌龙茶品种秋季幼嫩鲜叶有较高的WEs、TPs和CAF含量,成熟鲜叶有较高的WSSs和较低的CAF含量。该研究结果可为乌龙茶品种生化鉴定和种质资源的创新利用提供参考依据。

关键词： 电力变压器   局部放电   粒子群优化   支持向量机   模式识别  

摘要： 电力变压器固体绝缘缺陷发展通常会随环境状况的变化而发生改变，而体现缺陷的局部放电信号具有一定的随机性，对局部放电类型进行有效的识别是准确评估电力变压器绝缘状态的前提。针对传统局部放电分类方法的不足，提出了一种基于粒子群优化支持向量机（PSO-SVM）的局部放电模式识别方法。该方法采用多分类法中的“一对多”分类原理，借助于粒子群优化算法实现对支持向量机（SVM）参数的优化．从而能有效地提高分类准确率。试验结果表明。PSO-SVM分类准确度明显高于反向传播神经网络（BPNN）及传统的SVM识别方法，说明该方法在电力变压器局部放电模式识别及故障预警系统领域具有良好的应用前景。

关键词： 可视图像   火灾报警   模式识别   报警系统  

摘要： 介绍了可视图像早期火灾报警系统的理论支持和应用情况,分析了"火眼"可视图像早期火灾报警系统的技术特点,指出了该系统的技术优势和应用前景。

关键词： 图像处理   栅格图像   矢量化   计算机视觉   阴影图像   目标检测   稀疏表示   模式识别  

摘要： 2018年5月11~14日,由华东师范大学上海市多维度信息处理重点实验室和新加坡计算机科学与信息技术协会联合主办的第10届数字图像处理国际会议在上海召开。来自中国、波兰、日本、新加坡、乌克兰、俄罗斯、匈牙利、韩国、泰国、美国、英国以及土耳其等12个国家和地区的273人参加了会议,其中国内参会人员242人,国外参会人员31人。

关键词： 高铁快运   安全评价   模糊模式识别   模糊综合评价   层次分析法(AHP)  

摘要： 物流经济时代,高速铁路网络的日益丰满,为高铁快运的发展创造了有利条件。铁路企业利用高铁列车确认车、空闲车厢、大件行李存放处等位置开展高铁快运,充分发挥高铁运输的优势,但在提高经济和社会效益的同时,对高铁运营安全也提出了挑战。考虑到影响高铁快运安全的因素众多且具有模糊性的特点,提出将模糊综合评价和模糊模式识别相结合的评价方法,建立高铁快运安全评价指标体系,采用层次分析法(AHP)确定指标权重,基于实地调研由专家打分来量化指标特征值,对高铁快运进行安全评价。结果表明:该方法具有科学性和实用性。

关键词： Two-phase flow   Suppression pool   Chugging   Pattern recognition   FFT  

摘要： Direct contact condensation (DCC) phenomena in boiling water reactor (BWR) pressure suppression pool systems need to be understood to properly assess the performance of the pool as a heat sink and as a safety critical structure. Condensation oscillations in the form of chugging are challenging to predict by computational fluid dynamics (CFD) methods but safety relevant because of associated high dynamic loads on in-pool structures and the pool itself. Recently, new measurement methods for CFD validation purposes have become available. One of these techniques is visual observation using the high-speed cameras and suitable data processing method. Pattern recognition is a well suited technique for the determination of large oscillating bubble dynamics in a pressure suppression pool. In this work, the formation and collapse of the steam bubbles in chugging condensation mode are evaluated by using the pattern recognition algorithm. The pattern recognition algorithm is based on video material recorded during the direct contact condensation experiment DCC-05 of the PPOOLEX test facility. The formation speed, the shape and size of the steam bubbles and the acceleration of collapsing bubbles are estimated with the algorithm. Fast Fourier transform (FFT) is used for frequency analysis of the pattern recognized data. The frequencies found are compared to the frequency data of the pressure transducers collected during the experiment and to the previous results of the NEPTUNE_CFD simulations of the same experiment. The frequency analysis shows that the chugging frequencies of the steam bubbles range from 1 to 3 Hz, as predicted. Also the natural frequencies of the bubbles are visible around 53 Hz. Another frequency spike was observed close to the 125 Hz. This frequency is close to the mechanical resonance frequencies of the suppression pool and the blowdown pipe. Because of neither the pressure suppression pool nor the blowdown pipe are visible to the pattern recognition, the sp

关键词： 白芷   红外指纹图谱   双指标模型   高效液相色谱   模式识别  

摘要： 利用共有峰率和变异峰率两个指标,鉴别了不同品质的白芷的红外指纹图谱,白芷样品按厂家各自聚为一类。并应用化学计量学中模式识别方法,即主成分分析和系统聚类分析法,对白芷样品共有特征高效液相色谱峰数据进行处理。主成分分析和系统聚类分析结果与双指标模型一致,川白芷与祁白芷共有峰率最高,达到83. 3%。运用红外指纹图谱与双指标模型结合的方法,可以对白芷进行简单快速准确鉴别,为白芷品质的评价提供了另一种思路。

关键词： 滚动轴承   故障诊断   BP神经网络   RBF神经网络   模式识别  

摘要： 针对电机滚动轴承故障检测的复杂性,采用了理论成熟且应用较多的BP神经网络和RBF神经网络两种故障诊断方法。首先通过经验模态分解的方法对滚动轴承的振动信号进行故障特征提取,并将故障特征向量输入到BP神经网络和RBF神经网络进行达标训练,最后对两种神经网络在滚动轴承故障诊断方面进行了比较分析,结果表明,两种神经网络的故障诊断效果均理想,但是RBF神经网络故障诊断结果较准且训练速度快,具有一定的优越性。

关键词： 层状危岩   失稳模式   模式识别   高斯过程   机器学习  

摘要： 层状危岩失稳与其影响因素之间存在着复杂的非线性关系,如何根据影响因素有效识别层状危岩稳定性是一类复杂的模式识别问题。基于高斯过程二元分类模型,提出一种层状危岩失稳模式识别方法。该方法通过对少量训练样本的学习,建立层状危岩失稳模式与其影响因素之间的复杂非线性映射关系,对仅提供影响因素的预测样本进行具有概率意义的识别输出。研究结果表明:该方法除具有小样本、模型参数自适应确定、识别精度高等优点之外,还能够对预测结果给予概率意义的可信度,为工程实际有效识别层状危岩失稳模式提供了定量的依据,具有良好的应用前景。