关键词： 氧化物基忆阻器   光电突触   目标检测   图像分割   目标追踪  

摘要： 近年来,人工智能已经成为了现代科技生活研究的热点,人们希望计算机能够模仿人类的大脑,进行感知、思考和学习等操作。基于此,以计算机系统为硬件平台的人工神经网络快速发展,在计算机视觉和机器学习等科学领域发挥了十分重要的作用。然而,现有的计算机结构大多分为基于晶体管的冯氏结构或者新型的非冯氏结构,其内部的电路元器件的存储与计算功能分离,严重制约了各类人工智能算法的运算速度,增大了电路的功耗。而忆阻器具有高密度、低功耗和与生物突触功能高度相似的优点,被认为是最有可能延续摩尔定律、取代晶体管的一种元器件,这为实现高密度人工神经网络提供了进一步的可能。同时,由于通过光照调制或者光电共调制忆阻器的突触特性能获得比单一电调制更低的能量损耗并能实现更灵活的调控方式。因此,制备性能优良的光电忆阻器成为了构建基于忆阻器的人工神经网络的重要基础。但是,近年来基于忆阻器的人工神经网络受限于其不良好的线性突触特性,增加了人工神经网络训练过程的难度,既增加了能量损耗又无法将识别的准确率提升到更理想的状态。而且,这些性能不理想的忆阻器无法实现更高级更复杂的人工神经网络算法及功能,使得利用忆阻器模拟人类视觉动态捕捉功能等高维度仿生功能进展缓慢。针对上述问题,本论文通过磁控溅射法成功制备了氧化物基忆阻器,获得了优异的电性能和光性能,并搭建了基于忆阻器的人工神经网络用于模式识别应用的研究,研究内容如下: 1.研究了氧化钨(WO3-x)/氮氧化锌（Zn O:N）异质结结构的忆阻器,通过磁控溅射的方法在商用的氧化铟锡（ITO）玻璃上依次溅射Zn O:N薄膜和WO3-x薄膜,再通过热蒸发的方法溅射Ag顶电极获得器件。并测量了器件的电响应曲线和光响应曲线,获得了良好的突触特性。接下来,在使用磁控溅射法制备WO3-x薄膜时通入N2获得氮氧化钨(WO3-x:N)薄膜。所制备的WO3-x:N/Zn O:N异质结结构的忆阻器获得了更优异的光学性能,不仅提升了光生载流子的存储特性,还使器件对不同波段的光照产生响应。在获得了优异的突触特性后,构建了基于Ag/WO3-x:N/Zn O:N/ITO忆阻器的人工神经网络,应用于模式识别研究中的目标检测功能,实现了80个目标类别的识别与检测。 2.研究了WO3-x单层忆阻器,通过磁控溅射的方法在商用的ITO玻璃上溅射WO3-x薄膜,再通过热蒸发的方法溅射Ag顶电极,并测量了器件的电学性能,证明了WO3-x基忆阻器良好的突触特性。接下来,在WO3-x薄膜的基础上继续磁控溅射一层铟镓锌氧化物（IGZO）薄膜,制备了结构为Ag/IGZO/WO3-x/ITO的忆阻器,通过向器件施加电压脉冲信号来实现神经突触行为。值得注意的是,长时程增强和长时程抑制曲线表现出较好的线性趋势。此外,在紫外光的照射下,器件也展现了光诱导的神经突触可塑性。最后,构建了基于忆阻器的人工神经网络,实现了模式识别研究中图像分割和目标追踪应用,展示了一种基于优异光电忆阻器特性的人工视觉系统,表现了模拟人类高级视觉感知的巨大潜力。

ISBN: (纸本)9787302660873

摘要： 本书共分为12章，内容包括模式识别概述、贝叶斯分类器设计、判别函数分类器设计、聚类分析、模糊聚类分析、神经网络聚类设计、模拟退火算法聚类设计、遗传算法聚类设计、蚁群算法聚类设计、粒子群算法聚类设计、免疫算法、禁忌搜索算法，覆盖了各种常用的模式识别技术。

关键词： 外骨骼机器人   姿态传感器   模式识别   康复评估  

摘要： 外骨骼机器人作为一种可穿戴式机器人,不仅在军事领域有广泛的工程意义,在康复领域同样具有着重要的研究价值与应用前景。康复外骨骼机器人在对偏瘫患者进行康复训练时,除了人机运动协调性这一技术难点,运动模式识别的准确性与临床康复评估的有效性也是该领域的关键技术难点。本课题搭建了多姿态传感无线同步高速采集系统,实现对人体运动姿态的实时高速采集与姿态角度解算;采用POE法对人体进行了运动建模及正、逆运动学求解;在此基础上,通过t-SNE算法对数据降维后,运用Rime-Bi GRU-Attention、SVM、LSTM、Bi GRU方法对人体下肢9类运动模式识别进行了研究;最后,基于最佳的模式识别方法Rime-Bi GRU-Attention并结合姿态传感解算的关节角度、康复评估Fugl-Meyer量表,研究了以深度学习模型为主,人体姿态信息为辅的智能康复评估方法。具体如下: 首先,设计一套9轴姿态采集系统。该系统相比于现有姿态传感设备,主要在数据传输速率、多系统间无线同步启动以及兼具在线、离线数据传输方式上进行了改进开发。同时基于TCP IP协议设计了姿态传感器的上位机软件,实现多设备间数据的同步采集与保存。 然后,对人体进行了运动学与动力学建模。通过对人体生理结构进行分析,使用Rodrigues旋转公式对人体关节角度进行解算。利用关节角度,使用指数积法(POE)进行人体正运动学建模。根据逆运动原理,提出逆向使用POE法与D-H参数法分别反解人体关节长度。最后建立单下肢三杆机构的动力学模型,获取髋、膝、踝三个关节的力矩等参数。 其次,进行不同运动模式的采集与预处理、特征提取与数据降维。确定传感器与人体的固定方式与安装位置,采集了下肢9类常见运动模式。去除了9轴信号中的3轴角度跳变、3轴加速度重力分量,使用经验模态分解算法对数据进行滤波处理。对数据进行时域、频域以及物理层面上的四元数特征提取,引入关节角度信息加强相似度高的运动模式间的特征区分度,最后通过t-SNE算法对数据进行降维处理。 接着,构建分类模型,对人体下肢9类运动模式识别分析。构建以霜冰算法优化引入8头自注意力机制,结合Bi GRU神经网络构建的分类模型,利用SVM、LSTM、Bi GRU分别建立特征集与运动状态间的映射关系。实验结果表明,在窗口大小为42个采样点、步长14个采样点的滑动窗口下,Rime-Bi GRU-Attention分类效果最佳,下肢日常运动模式识别准确率达到99.6%。 最后,建立智能康复评估方法。设计并采集了人体上下肢11种康复运动模式,通过Rime-Bi GRU-Attention对上下肢11类康复运动姿态模式进行识别,解算各个康复动作的关节角度,制定了定量化的动作姿态评估范围。最终实验结果表明,基于相同窗口到小及步长下,Rime-Bi GRU-Attention分类效果最佳对上下肢11种康复动作下的识别准确率到达99.65%。

关键词： 生物信息学   序列分类   16SrRNA测序   微生物序列分析   微生物群落多样性  

摘要： 16S扩增子测序在微生物组学中至关重要,随着微生物组研究的快速发展,如何准确、高效地对微生物群落进行分类和鉴定已成为一个关键问题。随着测序数据的积累,数据库的大小和冗余度与日俱增,使得序列之间的相似度提高,甚至序列之间的部分区域完全相似。而由于16S测序技术的限制,测序时只能测序一条序列的部分区域,使得数据库的冗余问题被放大。传统的测序方法无法适应这种变化,存在召回率不高、假阳性多、处理速度慢等问题,这限制了下游微生物组研究的精度和准确度。 本研究论文开发了一种新型的分类算法,旨在解决16S rRNA测序中的分类注释问题。先前的分类算法通常专注于找到那些与样本序列不那么相似的序列,忽略了那些在数据库中过于相似的序列。相比之下,本文所提算法通过应用分片策略,有效地将测序数据分解成短序列片段(K-mer),并行化地与数据库中的所有序列进行全面比对以输出所有相似序列,并以最高权重叶节点和最低公共祖先方法进行共识分类注释,从可以输出更加全面的分类注释。 为了验证算法效果,并为下游研究提供全新的参考工具。本研究还整理了存在于美国国家生物信息中心(National Center for Biotechnology Information,NCBI)上的422,034个微生物基因组,建立了一个分类注释完全达到“种”层级的Ref Seq扩增子数据库,并基于Greengenes2和Ref Seq数据库对算法进行了真实与模拟数据的性能测试。测试结果证明本算法在各项性能上全面超越了之前的方法,同时在各生境样本上可以普遍适用。 此外,本研究还注意到各个生境之间的微生物组差异对分类算法产生了巨大影响。因此,本研究收集了来自微生物搜索引擎的275,793个样本数据,在Greengenes2数据库上对本研究提出算法的两种分类策略在不同生境上的分类效果做了预测和比较,结果与前文的测试内容高度吻合,证明了本算法的正确性和可靠性。进一步地,通过对先验数据进行统计分析,本研究提供了在不同生境下的微生物组研究中的推荐策略,以对下游研究者们提供指导。

关键词： 共享出行   共享单车   网约车共乘   机器学习   环境效益   低碳出行激励  

摘要： 城市交通问题日益突出，科技创新不断推动着出行方式的变革。在这一背景下，共享出行作为一种新兴出行方式应运而生，为人们提供了更加便捷、经济、环保的交通选择。随着国家“碳达峰碳中和”(简称双碳)目标的提出，以共享出行为出发点，探索实现交通双碳目标的减排路径是必要的。共享出行的共享特性使得其具备提高车辆使用率和降低碳排放的潜力，其中潜力最为突出的是属于低碳出行的共享单车和网约车共乘。然而，共享单车和网约车共乘可以在多大程度上减少碳排放以及如何扩大其减碳能力尚未得到充分研究。此外，深入理解具备减碳潜力的共享出行的模式并进一步量化其环境效益面临着挑战。这些挑战涉及共享出行系统内部因素之间的复杂非线性关系、出行行为与环境之间的复杂交互作用、以及交通运输系统内不同出行方式之间的转化关系。基于出行模式识别的共享出行环境效益量化研究，可以揭示其在实现交通双碳目标中的作用和潜力，为制定有效的减排策略和促进低碳出行方式的发展提供理论支持。　　本文以共享出行中的共享单车和网约车共乘为研究对象，从系统科学的角度出发基于出行模式识别量化其环境效益。首先，运用数据挖掘方法识别共享单车和网约车共乘的典型出行模式;其次，构建机器学习模型揭示这些共享出行行为的主要影响因素及影响机制;然后，考虑到出行行为的差异去量化共享出行系统的环境效益;最后在集成共享出行的多模式网络中提出低碳激励机制，从而为共享出行系统助力交通双碳目标和寻求低碳发展路径提供科学依据。本文主要研究内容如下:　　(1)数据驱动的共享出行模式识别研究。针对共享出行中存在多种低碳出行方式，但典型出行模式尚未充分挖掘的现状。本文旨在提出数据驱动的共享出行模式识别方法，深入理解具备减碳潜力的共享出行方式的出行特点。针对地铁周边共享单车的集聚特点，考虑无桩共享单车缺乏固定站点的特性，提出了地铁周边共享单车站点的划定方法。为了进一步从地铁周边共享单车的高维数据中得到出行模式，提出了一种基于非负张量分解的站点出行模式识别方法。对于网约车共乘出行模式的识别，考虑到共乘行程中乘客上下车时间的多样性，从理论和实践两个方面分别开发了网约车共乘模式理论计算方法和模式识别算法。基于上述方法，采用北京和厦门数据进行实例分析，最终识别了10种地铁周边共享单车站点出行模式和20种网约车共乘模式，为后续影响因素分析和环境效益量化研究提供了数据基础。　　(2)基于机器学习模型的共享出行行为影响因素分析。共享出行行为涉及众多要素、关系复杂、数据规模庞大，因此综合考虑重要的影响因素并揭示它们之间的复杂关系仍是重要挑战。本文旨在构建机器学习模型，揭示共享出行行为的重要影响因素并解释影响机制。对于地铁周边共享单车的出行行为，为了提高对出行行为与影响因素之间关系刻画的准确性，提出了基于堆叠策略的机器学习集成模型。在提取常用影响因素的基础上，该模型重点融合了基于地铁客流量的共享单车站点类别和站点出行模式。针对网约车系统内的共乘出行行为，为了增强模型对影响机制的解释性，构建了可解释的机器学习模型框架。该框架重点考虑了网约车系统特有的共乘与单独出行价格比率、等待时间、绕行指数等因素。结果表明，提出的机器学习集成模型精度优于其他模型，同时站点类别和站点出行模式对地铁周边共享单车出行行为具有重要影响。构建的可解释机器学习模型框架揭示了网约车共乘与出行时间、绕行指数等单变量因素之间的非线性关系以及多变量的依赖效应和交互效应。研究结果可以为管理者制定共享出行针对性政策提供理论依据。　　（3）考虑出行行为差异的共享出行环境效益量化。共享出行系统中的出行行为呈现多样性，然而不同行为对系统的环境效益影响尚不明确。因此本文旨在提出考虑出行行为差异的共享出行环境效益量化框架，以比较不同行为的减碳能力。针对共享单车系统的多类用户群体和多重影响，提出了一个基于用户类别的共享单车综合效益量化框架。该框架首先开发了共享单车用户聚类算法，然后量化了各类用户相应订单和其替代出行方式的全生命周期碳排放、出行时间、麻烦时间和支付成本。针对网约车系统内共乘模式的多样性，提出了基于模式多样性的网约车共乘环境效益量化框架。考虑到共乘的特点，该框架首先提出了各模式APM（AdjustedPassengerMileage,调整后乘客里程）的计算方法，然后结合道路排放模型量化了各模式订单级别的温室气体排放。结果表明，北京市6类共享单车用户中长距离出行用户是正效益用户;在识别到的20个共乘模式中，三组乘客模式的减碳能力最佳。研究结果有助于管理者更准确地理解不同共享出行行为对环境的影响。　　（4）集成共享出行的多模式网络低碳激励优化研究。尽管共享出行方式具备一定的低碳特性，但将其与公共交通融合以减少碳排放的激励策略尚未得到充分研究。本文旨在提出基于出行方式碳减排量的低碳激励优化方法，以促进多模式网络

关键词： 气体传感器   模式识别   乙醇   电子鼻   定性分类   定量预测  

摘要： 随着社会的迅猛发展,气体检测技术的重要性日益突显,比如对乙醇气体进行检测。由于乙醇是酒精的主要成分,可作为检测酒驾的主要标志物,因此,通过对驾驶员呼出气进行精确检测并采取严格有效的措施,有助于减少交通事故的发生;另外,在工业生产过程中,乙醇作为溶剂常被广泛使用,但其挥发性也带来了安全隐患,因此,实时监测乙醇浓度并采取警报措施可以有效保障工业生产的安全;除此之外,乙醇也常与柴油混合,作为柴油机的可再生和清洁替代燃料,因此,对乙醇进行定性定量检测可以为醇类柴油的智能测定提供新思路。 电子鼻是在90年代兴起的一项新型检测技术,经过三四十年的发展,它对检测技术的重要性和实用性已经得到了验证。对于电子鼻的识别,本文从气体传感器的制备和模式识别算法的优化两个方面展开了研究,以提高其检测精度,主要工作如下: （1）本文使用溶剂热法制备出了纯的二氧化锡（Sn O2）与不同Sn/Zn摩尔比的Sn@Zn金属有机框架（Metal Organic Frameworks,MOF）,然后煅烧得到Sn O2四棱镜以及由Sn O2四棱镜和生长在表面的氧化锌（Zn O）纳米颗粒组成的Sn O2@Zn O复合材料。将其制备成气敏元件后进行气敏测试,结果表明通过构建n-n异质结可以提高单一Sn O2气敏材料对乙醇气体的气敏性能。具体表现为:与纯Sn O2相比,Sn O2@Zn O复合材料的最佳工作温度从200℃降低到160℃,Sn O2@Zn O0.33样品制作的气体传感器在160℃时,对100 ppm乙醇的响应高达51,是纯Sn O2响应的5倍。最后,讨论了Sn O2@Zn O复合材料气敏增强的机理,认为这可能是由于费米能级平衡和异质结界面处的能带弯曲引起势垒高度的进一步提高。 （2）本文搭建了随机森林（Random Forest,RF）,径向基函数神经网络（Radial Basis Function,RBF）,反向传播神经网络（Back Propagation Neural Network,BP）,极限学习机（Extreme Learning Machines,ELM）和支持向量机（Support Vector Machines,SVM）五种经典的分类识别算法模型和RF-Ada Boost模型,将使用PCA或KPCA方法对数据集进行特征提取的数据作为模型的输入,对上述分类器进行训练,对比实验结果发现,RF分类器相较于其他经典的分类器平均性能最好,而RF-Ada Boost分类器相较于RF分类器平均性能得到了有效提升,分类准确率高达99%,提升了近4个百分点。表明结合Ada Boost集成学习算法能够有效提升弱分类器的分类准确率,并且RF-Ada Boost模型对乙醇气体识别有更优异的性能,还能够更好地适应不同数据状态,有着全面的综合能力,对样本数量多的数据集也有很好的识别效果。另外,根据PCA-RF-Ada Boost分类器与KPCA-RF-Ada Boost分类器效果对比可知,KPCA-RF-Ada Boost分类器的平均性能相较于PCA-RF-Ada Boost分类器有所提升,表明KPCA能够有效的提高特征提取效果,其结合RF-Ada Boost分类器可提升模型的预测准确率。 （3）本文构建了网格搜索法-随机森林（Grid Search-Random Forest,GS-RF）、粒子群算法-反向传播神经网络（Particle Swarm Optimization-Back Propagation Neural Network,PSO-BP）及遗传算法-反向传播神经网络（Genetic Algorithm-Back Propagation Neural Network,GA-BP）三种定量预测模型,并根据决定系数和均方根误差两个评价指标对上述三种模型及BP模型进行了对比分析,结果表明粒子群算法-误差回传神经网络模型对不同浓度的乙醇气体的预测效果最好,是最可靠的,且克服了BP模型在全局搜索等方面的限制,提高了模型的预测效果。

关键词： 蝉花   不同部位   氨基酸   指纹图谱   化学模式识别  

摘要： 目的：建立不同产地、部位(菌核、子实体、全体)蝉花氨基酸HPLC指纹图谱，结合化学模式识别方法评价蝉花不同部位的质量差异。方法：收集不同产地蝉花共10批，利用HPLC建立氨基酸指纹图谱方法，进行相似度评价和统计学分析。结果：蝉花不同部位(菌核、子实体、全体)样品相似度>0.900;聚类分析和主成分分析结果显示菌核、子实体、全体大致可以分为3类；结合主成分对不同产地蝉花全体所富集氨基酸的方差分析结果表明安徽省与四川省、江西省的蝉花全体具有显著性差异，正交偏最小二乘判别分析筛选出亮氨酸、脯氨酸、胱氨酸、异亮氨酸、甘氨酸、谷氨酸、组氨酸可能是影响蝉花不同部位氨基酸质量差异的关键性成分。结论：建立的HPLC指纹图谱和化学模式识别方法可有效区别不同部位蝉花，可为控制蝉花饮片的质量提供参考。