关键词： 运动想象   模式识别   循环神经网络   卷积神经网络  

摘要： 脑机接口技术可以帮助运动障碍人员通过外部设备与环境进行交互。为了提高对运动想象激发的脑电信号的识别率,提出一种基于卷积神经网络(Convolutional Neural Network, CNN)和循环神经网络(Recurrent Neural Network, RNN)的混合神经网络模式识别方法,并在实际计算中使用长短期记忆神经网络(Long Short-Term Memory, LSTM)和门控循环单元(Gated Recurrent Unit, GRU)两种不同的RNN进行对比。对原始脑电信号数据进行滤波和分段处理,将处理好的数据输入到混合神经网络中,使用Softmax进行分类,用BCI竞赛IV中的数据集2a和数据集1两种脑电数据集进行验证,此方法能够有效地提高模式识别精度,平均准确率达到了95%以上。

关键词： 高光谱   塑料打包带   神经网络   模式识别  

摘要： 目的建立一种快速、准确、无损的塑料打包带的检验及分类方法。方法利用高光谱在波长为350~990 nm的条件下采集52个不同来源的塑料打包带样品的高光谱数据,并对样品进行Savitzky-Golay平滑处理,同时结合主成分分析对样品进行降维。将提取到的主成分进行K-Means聚类,以聚类结果为依据建立径向基函数神经网络(RBFNN)与BP神经网络模型(BPNN)。结果打包带样品的高光谱谱图在400~500 nm、600~700 nm处有较大区别。实验共提取了5个初始特征值大于1的主成分,可以解释96.633%的原始数据。通过K-means聚类将塑料打包带样品分为6类,Calinski-Harabasz指数为28.76,RBFNN分类准确率为86.7%;BPNN分类准确率为98.1%,BPNN的分类效果更好。结论研究表明神经网络在高光谱谱图分类处理上具有较高的准确度,同时也验证了高光谱在区分检验塑料打包带类物证的可行性与科学性,为公安机关提供了一种新的检验方法。

关键词： 钩藤   超高液相色谱   不同基原   聚类分析   主成分分析   真伪鉴别  

摘要： 目的建立不同产地钩藤药材超高效液相色谱(UPLC)特征图谱,并进行化学模式识别分析,同时对钩藤不同基原样品及其混伪品进行鉴别。方法采用UPLC法建立43批不同产地钩藤药材的特征图谱,结合聚类分析及主成分分析对其进行质量分析,然后对钩藤不同基原样品及其混伪品进行鉴别。结果建立了钩藤药材UPLC特征图谱,标定了13个共有峰,并指认峰2为儿茶素、峰3为绿原酸、峰4为隐绿原酸、峰7为异绿原酸B、峰8为异去氢钩藤碱、峰9为异钩藤碱、峰10为去氢钩藤碱、峰11为异绿原酸C、峰12为钩藤碱和峰13为喜果苷。通过聚类分析可将43批钩藤药材按照产地分为5类。进一步通过主成分分析发现,江西、湖南产钩藤药材主成分综合得分较高,为0.264~2.904分。通过特征图谱可将钩藤不同基原样品及其混伪品进行有效区分。结论建立的UPLC特征图谱可用于钩藤药材的质量控制,且本研究发现江西、湖南产钩藤药材质量较优。

关键词： 中国计算机学会   人工智能   人工神经网络   中国科学院院士   机器学习   模式识别   国家重点实验室   终身成就奖  

摘要： 大师档案张钹,男,1935年生于福建省福清市。清华大学计算机系教授,中国科学院院士,清华大学人工智能研究院名誉院长。2011年被德国汉堡大学授予自然科学名誉博士,获2014年度CCF(中国计算机学会)终身成就奖、2019年度吴文俊人工智能科学技术奖最高成就奖。他从事人工智能、人工神经网络和机器学习等理论研究,以及模式识别、知识工程和机器人等应用技术研究,在上述领域发表学术论文200多篇,出版了5部(章)专著。其科研成果获ICL欧洲人工智能奖等。此外,他是智能技术与系统国家重点实验室创建者之一,并于1990-1996年担任该实验室主任。

关键词： 锁相环   弱电网   低通滤波器   自适应控制   同步坐标系  

摘要： 锁相环的设计对保障交流网络中设备安全运行有着重要意义,锁相环实现方法与参数设计对锁相环的响应时间、抗扰能力等控制特性起到重要影响。本文通过结合小信号频域模型与大信号状态空间模型,分析同步坐标系锁相环的暂稳态响应特性,得出各参数设计对于锁相环控制特性的影响;在理论分析基础上,提出了基于响应时间与暂稳态模式识别的锁相环参数自适应框架。仿真与实验结果验证了所提出的参数自适应方法可以通过实现参数动态调节,达到对锁相环暂态快速响应与稳态抗扰的设计要求。

关键词： 弹头痕迹   阳膛线痕迹   末端痕迹   条形码  

摘要： 在涉枪案件现场物证中,损伤弹头具有可收集、难识别、鉴定价值高的特点。本研究截取微小宽度的末端痕迹,通过对痕迹图像二值化处理,再编码转化条形码实现涉枪案件现场弹头模式识别,提升了损伤弹头痕迹鉴定价值;对不同弹头末端痕迹的条形码进行相似性分析,为在海量枪弹数据库中查找与案件有关联的枪弹物证创造机会,并有利于后续比对数据库的建立工作。

关键词： 模式识别   高水平运动员   功能磁共振成像(fMRI)   脑   静息态  

摘要： 为弥补传统的广义线性模型(generalized linear model,GLM)方法的不足,并探索模式识别在运动脑科学当中的应用价值。使用支持向量机(support vector machine,SVM)模式识别算法,以低频振幅(fractional amplitude of low-frequency fluctuations,fALFF)、局部一致性(regional homogeneity,ReHo)和度中心度(degree centrality,DC)作为学习特征,对射击运动组和滑冰运动组(分类1)、射击运动组和对照组(分类2)以及速滑运动组和对照组(分类3)之间进行二分类,并计算每一个脑区在分类算法当中的权重。使用留一交叉验证法计算分类正确率,使用总的准确率、接受者操作特性曲线(receiver operating characteristic curve,ROC)、以及预测准确率来衡量机器分类算法的优劣性。结果表明:分类1中SVM算法的正确率较高且分类效果更稳定,总的准确率(total accuracy,tACC)可以维持在96.67%以上,曲线下面积(area under curve,AUC)均为1,说明SVM算法对区分不同项目运动员脑静息态功能特征时更有优势;在分类2和分类3中,SVM算法效果取决于使用的指标。其中,使用fALFF或者综合使用三个静息态指标的分类效果较稳定(tACC均在80%以上,AUC均在0.88以上);小脑在分类1算法中占较多的权重,提示不同运动项目运动员的脑功能活动之间差异最明显的部位主要在小脑上。而分类2和3中,除了小脑,还有一些与运动执行和控制及其他功能活动相关的脑区参与了算法的构成。通过SVM分类算法的应用获得较为理想的结果,展示了模式识别方法在运动科学领域的应用价值。研究成果有助于体育科学研究者从新的角度更加全面地理解运动与脑的关系。

关键词： 道路网   模式识别   道路相交角   格网矩形度  

摘要： 基于“数据密集型范式”的研究思路,设计了两种格网模式道路识别方法。一种是基于统计实验区域的道路相交角的方法,另外一种是基于统计实验区域道路网眼格网单元矩形度的方法。经过实验验证,两种方法效果均较好,且易于运用于工程实践。

关键词： 对向传播神经网络   酚类化合物   毒性   模式识别  

摘要： 介绍了对向传播神经网络的原理、算法。以酚类化合物的8个结构特征参数为输入,用对向传播神经网络对酚类化合物的毒性进行模式分类识别。结果表明,对向传播神经网络具有较强的模型拟合能力和泛化能力。网络对36个训练样本和8个预测样本的毒性类型都能进行准确识别,是一种有效的模式分类识别方法。

关键词： 大数据技术   新能源汽车   智能交通   模式识别   5G技术与泛在网络  

摘要： 大数据、物联网和人工智能等技术的应用,为现代技术的发展注入了新的活力,促进社会稳定发展。通过收集和监测新能源汽车的运营情况,探索基于大数据技术的城市智能交通发展,从而为国家战略、新能源汽车产业发展趋势作出科学的判断,对促进新能源汽车产业长期稳步发展具有重大的作用。