关键词： 固有免疫   模式识别受体   信号通路  

摘要： 固有免疫是机体免疫系统防御微生物感染的第1道防线。模式识别受体(PRRs)中的Toll样受体(TLRs)、核苷酸寡聚结合域样受体(NLRs)和视黄酸诱导基因1样受体(RLRs)等识别不同或重叠的微生物组成成分,形成相应的信号转导产生免疫应答。近些年对于固有免疫相关PRRs的研究也取得了较大的进展,为免疫相关疾病的治疗提供了思路。本文对固有免疫相关PRRs的特征及不同PRRs的信号传导途径之间相互作用进行综述。

关键词： 模式识别   Logistic   Newton-Raphson  

摘要： Logistic分类算法中,通常使用梯度上升算法求解权值矩阵,Newton-Raphson算法是另一种求解权值矩阵的算法。选用UCI机器学习仓库中3个数据集,实验研究了Logistic梯度上升算法与Logistic Newton-Raphson算法的分类正确率、权值矩阵迭代求解次数。实验结果表明,相比Logistic梯度上升算法,Logistic Newton-Raphson算法具有更高分类正确率与较少权值矩阵迭代求解次数,该结论为Logistic分类过程中权值矩阵求解算法提供了参考依据。

关键词： 下肢运动模式识别   表面肌电信号   加速度信号   多尺度排序熵   改进二叉树支持向量机  

摘要： 为了提高下肢运动模式识别率,本文设计了一种融合表面肌电和加速度信号的下肢运动模式识别方法.首先,用局部均值分解将表面肌电信号分解为多个乘积函数(Product Functions,PFs),再计算PF成分的多尺度排序熵.然后,通过拉普拉斯权重(Laplacian score,LS)特征选择算法选定每路肌电信号的一个尺度排序熵为特征,并把该特征和加速度信号的排序熵组成特征向量.最后,根据类内欧氏距离和类间样本分布,设计了改进的二叉树支持向量机,把特征向量输入该支持向量机进行下肢运动模式分类.实验结果表明所提方法对七个日常动作的平均识别率达到98.62%,相较于其他方法有较高的识别率.

关键词： 雷达辐射源识别   径向基网络   模式识别  

摘要： 随着军事科技的快速发展,伪装、隐蔽、欺骗、干扰等手段和技术大量应用于现代战场,以致从传感器获取的目标特征参数的差异越来越不明显,原有的目标识别规律性被大量破坏。在目标特征逐渐模糊的发展趋势下,传统的"特征提取和选择、模板建库、分类器设计、匹配决策"等目标识别技术将很难准确地进行目标识别。论文研究了雷达辐射源识别的基于神经网络快速实现方法,并与传统模板匹配方法进行了效果比对,为摆脱传统目标识别思路的约束,发展智能化的目标识别技术提供了基础。

关键词： 模式识别   电子信息   应用  

摘要： 模式识别技术是当今的热门研究方向,其在对于电子信号的提取中有着极为重要的作用,可以有效地对信号进行回归拟合以及分类,本文通过对于模式识别技术的分析,通过具体的算法来对于电子信息的提取方法进行分析,为其进一步发展提供创新的思路。

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

摘要： 目的建立鸡血藤Spatholobus suberectus的HPLC指纹图谱分析方法,为其质量控制提供依据。方法采用ZORBAX SB-C18柱(150 mm×4.6 mm,5μm),以乙腈(A)-0.2%磷酸水溶液(B)为流动相进行梯度洗脱,体积流量为1 mL/min,检测波长260 nm,柱温为30℃。并运用聚类分析和主成分分析对鸡血藤指纹图谱进行模式识别研究。结果建立了鸡血藤药材HPLC指纹图谱的共有模式,确定35个共有峰,并根据对照品指认6个共有峰。17批药材的相似度分析结果与聚类分析、主成分分析结果基本一致。结论 HPLC指纹图谱结合聚类分析、主成分分析可以快速、高效地评价不同产地鸡血藤药材的质量差异。

关键词： 化学计量学   食品分析   模式识别  

摘要： 化学计量学是由数学、统计学、化学及计算机科学交叉形成的具有独特魅力的重要新兴学科。作为其核心理论体系的模式识别和多维校正方法,在海量数据信息挖掘与处理、分析信号分辨与解析中,体现了突出的优势,并能攻克传统分析方法难以处理的复杂难题,已广泛应用于食品分析领域。基于此本文介绍了化学计量学方法在食品分析中的应用,简要分析了化学计量学方法在食品分析领域中还需解决的问题,并对其未来的发展进行展望。

关键词： 硬件木马   功耗分析   模式识别   距离测度分布  

摘要： 文章在提出木马理论分析和侧信道检测方法基础上,研究模式相似性理论,并将其应用于集成电路侧信道信息的数据分析与分类处理。文章进而提出了一种基于距离测度分布的侧信道硬件木马检测方法 ,并详细介绍了检测原理和检测流程,最终在自主设计的FPGA检测平台上进行基于功耗信息的实验验证,实验证明文章提出的方法可以检测出面积为0.6%左右的硬件木马。

关键词： 模式识别   语音情感   卷积神经网络(CNN)   特征优选准则   特征降维  

摘要： 针对语音信号认知中需要对语音情感快速精准的解析问题,提出了一种基于卷积神经网络(CNN)学习的特征降维方法。在原始语音情感数据提取大量特征的基础上,通过对不同维度特征进行归正获得其相应的特征矩阵。应用CNN对特征矩阵进行学习,对收敛后的CNN网络全连接层的权值进行分析,根据网络学习特性定义基于CNN的特征筛选准则(FR-CNN),即通过对比每类特征激活权值的不同,计算选择出最有利于分类的特征,得到降维高效的语音情感认知特征集F。在中国科学院自动化研究所提供的多模态情感数据库CHEAVD上,提取全部8类情感数据进行了实验测试,使用全体特征集构建的CNN分类器的类平均识别错误率相比基线减少了2.1%,而本文方法得到的降维后特征集F通过相同的CNN分类器的类平均错误率相比基线减少了9.4%。在对大量特征进行降维筛选的基础上,仅使用原特征集15%的特征,不仅有效增加了分类器的收敛速度,还使得识别错误率有所减小,同时在构筑实际语音情感识别系统时能够减少系统的复杂程度。本研究综合了数据的不同类型的特征信息,采用CNN网络学习特性进行特征二次优选与降维,为语音情感的特征提取问题提供了一个新的思路。

关键词： 神经元图像分类   模式识别   灰度共生矩阵  

摘要： 为了实现自动高效且结果准确的生物神经元识别,提出一种基于模式识别与图像灰度共生矩阵特征的神经元自动分类方法。该方法通过对生物神经元图像预处理,计算图像的灰度共生矩阵,统计各图像灰度共生矩阵属性值的平均值和标准差,构建生物神经元类别的特征空间,利用模式识别中的人工神经网络方法建立特征空间与神经元类别之间的映射关系。采用收集的160幅生物神经元图像对该方法进行实验分析,测试集的识别正确率达93.8%。研究结果表明,结合模式识别与图像灰度共生矩阵特征的生物神经元图像自动分类方法具有较高的准确性与可靠性。