关键词： 表面肌电信号   模式识别   粒子群算法   极限学习机  

摘要： 为提高人体手腕动作识别准确率,提出一种基于粒子群算法优化极限学习机动作模式识别新方法。通过虚拟仪器采集人体手腕内翻、外翻、握拳、展拳4种动作对应肌电信号,通过小波分析方法构造其特征矢量,然后利用特征矢量对极限学习机进行训练,结合粒子群优化算法强大寻优能力,优化调整极限学习机模型主要参数,最后采用优化后极限学习机模型对4种手腕动作对应测试集数据进行模式识别。结果表明,采用粒子群优化算法优化极限学习机模型有着更高手腕动作识别率,验证该方法可行性。

关键词： 半导体光刻   图像处理   模式识别   处理技术  

摘要： 本文以半导体光刻为研究对象,重点探讨了图像处理技术与算法在实现纳米级特征图案化中的关键作用.针对小特征尺寸、高图案密度及工艺变异性等挑战,研究了亚分辨率辅助特征(SRAF)优化、反向光刻技术(ILT)以及人工智能等内容.通过引入模型校正、缺陷检测与实时优化技术,验证了这些算法在提高光刻精度、效率和稳定性方面的显著效果.研究结果表明,先进的图像处理技术和算法为半导体光刻工艺的持续创新提供了有力支持.

关键词： ionosphere   backscatter ionogram   leading edge   YOLOX pattern recognition  

摘要： The ionosphere is an important component of the near Earth space *** three common methods for detecting the ionosphere with high frequency(HF)radio signals are vertical detection,oblique detection,and oblique backscatter *** ionograms obtained by these detection methods can effectively reflect a large amount of effective information in the *** focus of this article is on the oblique backscatter ionogram obtained by oblique backscatter *** extracting the leading edge of the oblique backscatter ionogram,effective information in the ionosphere can be *** key issue is how to accurately obtain the leading edge of the oblique backscatter *** recent years,the application of pattern recognition has become increasingly widespread,and the YOLO model is one of the best fast object detection algorithms in ***,the core idea of this article is to use the newer YOLOX object detection algorithm in the YOLO family to perform pattern recognition on the F and E_(s) layers echoes in the oblique backscatter *** image processing,a single-layer oblique backscatter echoes are *** can be found that the leading edge extraction of the oblique backscatter ionogram obtained after pattern recognition and image processing by the YOLOX model is more fitting to the actual oblique backscatter leading edge.

关键词： 黄芪   蜜麸炒黄芪   指纹图谱   化学模式识别   含量测定  

摘要： 目的探究黄芪蜜麸炒前后的差异性标志物。方法采用HPLC建立黄芪蜜麸炒前后指纹图谱,评价相似度并指认共有峰;以黄芪蜜麸炒前后共有峰峰面积为指标,运用聚类热图分析、主成分分析和正交偏最小二乘-判别分析等对黄芪蜜麸炒前后进行区分,以变量重要性投影>1为标准筛选出差异性标志物;同时对多个主要成分进行含量测定,寻找炮制前后差异成分。结果建立黄芪、蜜麸炒黄芪指纹图谱,相似度均>0.9,分别标定共有峰16、17个,指认出6个共有峰,其中峰3(5-羟甲基糠醛)为炮制后新增特征峰;聚类热图、主成分分析结果与正交偏最小二乘-判别分析结果一致,均可将样品明显聚为黄芪和蜜麸炒黄芪2类;变量重要性投影值筛选出峰7(毛蕊异黄酮苷)、峰3(5-羟甲基糠醛)、峰13、峰10(芒柄花苷)、峰4、峰16(芒柄花黄素)、峰2、峰15、峰12(毛蕊异黄酮)为导致样品差异的主要标志色谱峰。含量测定结果表明,与黄芪相比,蜜麸炒黄芪中5-羟甲基糠醛含量显著升高,毛蕊异黄酮苷、芒柄花苷、毛蕊异黄酮、芒柄花黄素含量显著降低,美迪紫檀苷含量变化无明显差异。结论本研究建立的黄芪蜜麸炒前后HPLC指纹图谱和多成分含量测定结果,可以为完善黄芪及其蜜麸炒炮制品的质量控制及整体性评价提供参考。

关键词： 极端天气   天气雷达图像   模式识别   预警系统  

摘要： 极端天气事件,如强对流风暴、骤雨和台风,其携带的破坏性能量对社会经济构成了严峻挑战。在这些灾难性气候面前,及时而精确的预警机制显得尤为关键。伴随着科技的飞速发展,现代气象科学已能通过尖端观测设备和技术手段,捕捉到大气变化的蛛丝马迹。特别是天气雷达,这一探测利器在提供高精度实时气象数据方面,扮演了不可或缺的角色。对这些宝贵数据的深入挖掘与分析,不仅使得我们能够更为精确地勾勒天气系统的动态面貌,更是构建了一套高效且可靠的极端天气模式识别与预警体系,为防灾减灾事业提供了坚实的科技支撑。本文旨在深入探讨基于天气雷达图像的极端天气模式识别与预警系统,以期在全球气象服务领域,尤其是我国,贡献一份智慧与力量。

关键词： 主变压器   局部放电   信号特征   模式识别  

摘要： 本文研究了主变压器局部放电(局放)信号的特征提取与模式识别算法。首先,分析了主变压器局放信号的基本特征,包括其时域、频域特性以及与变压器运行状态的关系。接着,介绍了多种特征提取方法,包括时域、频域、时频域联合方法以及高阶统计量分析,深入探讨了各方法在局放信号中的应用与优势。随后,研究了局放信号的模式识别方法,涵盖了传统机器学习算法(如支持向量机、决策树、随机森林等)和深度学习方法(如卷积神经网络、循环神经网络等)。此外,评估了这些算法的性能,包括准确率、召回率等指标,并分析了误识别和误报警的原因。通过这些研究,本文为主变压器局放信号的精准识别与故障诊断提供了理论依据和技术支持。

关键词： 脉冲丢失   序列重构   时间卷积网络   雷达工作模式识别  

摘要： 针对脉冲丢失对机载雷达工作模式识别准确率影响较大的问题,提出了一种基于脉冲描述字(PDW)重构的智能机载雷达工作模式识别算法。首先根据到达时间(TOA)的一阶差分序列提取到达时间差(DTOA)频繁项;其次,根据频繁项获得雷达真实的脉冲重复间隔(PRI)以及PRI变化规律;再次,计算不同PRI情况下的脉冲数完成PDW重构,最后将重构后的PDW送入搭建好的时间卷积网络(TCN)识别机载雷达工作模式,该方法能够挖掘PDW序列中的时间关联性,可以更好地获取PDW序列的特征。通过仿真实验,该方法在脉冲丢失率小于70%的情况下,对于雷达工作模式的识别准确率能够达到95%以上。

关键词： 茵陈五苓散   含量测定(中药)   指纹图谱   波长切换   绿原酸   桂皮醛   化学模式识别  

摘要： 目的建立茵陈五苓散指纹图谱和多成分含量测定方法,结合化学模式识别技术评价其质量。方法采用波长切换HPLC法建立茵陈五苓散指纹图谱,测定新绿原酸、绿原酸、异绿原酸B、异绿原酸A、异绿原酸C、肉桂酸、桂皮醛7个成分含量,并进行主成分分析和PLS-DA,筛选质量差异标志物。结果24批样品茵陈五苓散指纹图谱标定20个共有峰,共指认出7个成分,24批样品与对照图谱相似度为0.966~0.994;归属性分析表明,色谱峰1、2、3归属于茵陈和泽泻,峰4(新绿原酸)、峰5、峰6、峰7(绿原酸)、峰8、峰9、峰10、峰11、峰12、峰13、峰14(异绿原酸B)、峰15(异绿原酸A)、峰16(异绿原酸C)、峰19为茵陈特征峰,峰17(肉桂酸)、峰18(桂皮醛)、峰20为桂枝特征峰。主成分分析将24批样品分为4类,PLS-DA确定异绿原酸B、新绿原酸等11个质量差异标志物。结论建立的指纹图谱和含量测定方法准确度高、重复性好,可为茵陈五苓散的质量评价提供参考。

关键词： 传感器技术   多分类高斯支持向量机   模式识别   事件信号  

摘要： 为了有效提升光纤信号识别精度,采用了一种基于多分类的高斯支持向量机(SVM)的信号事件类型判别方法,先通过汉宁窗卷积的方法以及95%能量的原则来识别事件发生始末段信息,再从时域、频域以及尺度域等角度出发,对归一化后的多种特征参数的均值与离散性进行分析,并选取合适的主要特征参数,最后采用基于多分类高斯SVM算法对3组不同事件类型进行了分类识别,通过理论分析和实验验证,取得了不同类型光纤事件信号的数据。结果表明,对30组实验数据的事件类型进行模式识别,正确率在96%以上。该方法流程满足了光纤传感的事件信号高精度识别要求,对光纤传感器应用具有较重要的参考价值。

关键词： 大数据技术   特高压变电站   变压器故障模式识别  

摘要： 针对特高压变电站变压器故障检测中存在的准确率低、反应速度慢等问题,本文提出了一种基于大数据技术的故障模式识别系统。该系统由数据采集、数据处理和故障模式识别三个核心模块组成,利用高精度传感器和监测设备实时采集变压器运行数据,采用大数据技术对海量数据进行清洗、存储和分析,并应用机器学习算法识别变压器故障模式。实验在多种故障场景下验证了系统的可靠性。本研究为特高压变电站变压器故障检测提供了有效的技术支持,展示了大数据技术在电力系统中的巨大潜力。