关键词： 支持向量机   唇形科中药   辛味药性   模式识别  

摘要： 目的研究辛味唇形科中药化学成分的特征规律,并建立辛味药性判别预测模型。方法从《中华本草》中收集64种对“五味”有明确记载的唇形科中药,将属于酸味、苦味、甘味、咸味中药记为“不是辛味”中药类,属于辛味的中药为“辛味”中药类,用支持向量机(SVM)构建辛味药性判别预测模型。结果倍半萜类化学成分、倍半萜类化学成分和单萜类化学成分、倍半萜类化学成分和简单苯丙素类化学成分三种组合的提升度最高,表现出与辛味药性的强关联性,利用SVM建立的唇形科中药辛味药性判别预测模型对培训集样本判别率达100%,对测试集样本判别率达到94.74%,具有良好的预测判定效果。结论基于SVM的分类模型能实现唇形科中药辛味药性的高效判别。

关键词： 模式识别   图像预处理   图像分析技术   激光图像   光谱成像技术   主成分分析  

摘要： 为降低图像模式识别误差、提高对不同类型图像的识别精度,提出基于大数据分析的激光图像模式识别方法。使用卷积神经网络,对原始激光图像大数据展开训练处理。提取图像特征,并设定阈值对其进行预分割,完成图像预处理。使用正则最小二乘法,完成激光图像模式识别过程,实现图像模式区分。构建实验环节,对此方法的应用效果进行分析。实验结果表明,本方法对于不同类型图像的预设目标图像识别率稳定于97%以上,识别误差率稳定在2%以下,图像识别消耗时间在15 s以内,说明本方法具备较好的应用效果。

关键词： 脓毒症   血流感染   模式识别受体   革兰氏阴性菌   诊断  

摘要： 目的探讨血清模式识别受体表达水平联合检测对血流感染(BSI)脓毒症的诊断价值。方法选择2021年1月至2022年7月河北北方学院附属第一医院收治的242例脓毒症患者,抗感染治疗前检测血清模式识别受体Toll样受体2(TLR2)、Toll样受体4(TLR4)、NOD样受体蛋白3(NLRP3)水平,进行血培养,并根据结果将入组患者分为BSI组(n=178)和非BSI组(n=64),将BIS组分为革兰氏阳性菌(G+)感染者(n=65)和革兰氏阴性菌(G-)感染(n=113)者。采用受试者工作特征(ROC)曲线分析血清TLR2、TLR4、NLRP3水平对BSI的诊断价值。结果BSI组患者血清TLR2水平为(8.37±1.46)pg/mL、TLR4为(11.25±2.21)pg/mL、NLRP3为(766.97±150.08)ng/mL,均高于非BSI组,差异有统计学意义(P<0.05);BSI组中,G-患者的血清TLR2水平为(8.92±1.41)pg/mL、TLR4为(11.86±2.07)pg/mL、NLRP3为(824.39±129.43)ng/mL,均高于G+患者,差异有统计学意义(P<0.05);两组患者血清TLR2、TLR4、NLRP3水平均与APACHE II评分、SOFA评分呈正相关;血清TLR2、TLR4、NLRP3单独诊断BSI脓毒症的曲线下面积(AUC)分别为0.857、0.789和0.753,三指标联合的AUC为0.934,灵敏度、特异度分别为90.63%和87.08%;血清TLR2、TLR4、NLRP3单独诊断BSI脓毒症患者G-感染的AUC分别为0.780、0.722和0.816,三指标联合的AUC为0.900,灵敏度、特异度分别为82.46%和83.08%。结论血清TLR2、TLR4、NLRP3在诊断BSI脓毒症及细菌感染类型中具有一定的参考意义。

关键词： 苍耳子鼻炎胶囊(滴丸)   高效液相色谱法   质量评价   化学模式识别技术   绿原酸   黄芩苷   木兰脂素  

摘要： 本文采用同时测定苍耳子鼻炎胶囊(滴丸)中3个活性成分含量的高效液相色谱法(HPLC)的方法,并用化学模式识别技术综合评价该药物质量。采用HPLC-PDA分析检测,Agilent poroshell 120 EC-C18(4.6 mm×50 mm, 2.7μm)为色谱柱,流动相为乙腈-0.2%磷酸水溶液,梯度洗脱;流速为1.0 mL/min;柱温为35℃;进样量为10μL;检测波长为327 nm(绿原酸),230 nm(黄芩苷、木兰脂素)。采用统计软件SPSS 22.0及SIMCA14.1对21批苍耳子鼻炎胶囊(滴丸)样品含量测定结果进行聚类分析与主成分分析。结果显示,在一定浓度范围内,苍耳子鼻炎胶囊(滴丸)中绿原酸、黄芩苷、木兰脂素线性关系良好(r≥0.9994);精密度、稳定性(24 h)、重复性试验的RSD<2.0%(n=6);平均加样回收率分别98.66%,99.84%,100.21%(n=9),RSD均<2.0%;21批样品中绿原酸、黄芩苷、木兰脂素含量分别为0.170 2~1.415 5 mg/g, 13.160 5~46.831 4 mg/g, 1.833 8~4.012 4 mg/g;聚类分析与主成分分析均将21批样品分为四类,两种分类结果一致。结合化学模式识别技术,所建立的3个活性成分含量测定方法可为苍耳子鼻炎胶囊(滴丸)的质量控制提供依据。

关键词： 不完整数据   数据聚类   模式识别   缺失值   模糊C均值   数据丢失   粒子群   缺失属性  

摘要： 在实际应用中,由于各种原因,采集出来的数据可能是不完整的,比如,数据模糊不清或者是数据丢失。因此在数据库中会经常出现不完整数据,而且没有办法获得数据的真实值[1],如果不对缺失数据作出相应的处理,对后续工作会造成严重影响。为解决不完整数据聚类的问题,国内外学者根据现有的聚类方法提出了各种新策略。1模糊聚类对于不完整数据的处理方法主要分为两种:一种是通过估算填充缺失值,即用相对应的已知属性值的平均值等方法来替换缺失属性值;另一种方法是直接删除缺失属性。对不完整数据进行模式识别最早开始于20世纪60年代,例如,基于概率的估算、EM算法[2]等。

关键词： 地黄(Rehmannia glutinosa Libosch.)   炮制   HPLC   指纹图谱   含量测定   模式识别  

摘要： 建立地黄(Rehmannia glutinosa Libosch.)不同炮制品(鲜地黄、地黄片、生地黄、熟地黄)HPLC指纹图谱及11个指标成分含量测定方法,指认11个共有峰,结合主成分分析(PCA)法和聚类分析(HCA)法分析炮制过程中化学成分变化趋势,为地黄不同炮制品质量评价及药理药效研究奠定基础。结果表明,HPLC指纹图谱结合多指标成分含量测定的方法适用于地黄不同炮制品的HPLC指纹图谱分析,PCA和HCA结果显示,熟地黄明显区别于鲜地黄、地黄片、生地黄,鲜地黄和地黄片在PCA中分为2类,HCA中鲜地黄和地黄片聚为一类;11种指标成分线性关系良好,R^(2)≥0.9995,11种指标成分含量变化趋势各不相同。HPLC指纹图谱结合多指标成分含量测定的方法反映了地黄炮制过程中的化学成分变化,适用于不同炮制阶段地黄的质量评价,为药理药效研究及质量标记物的发现奠定研究基础。

关键词： 计算机科学   模式识别   象牙识别   象牙识别系统  

摘要： 大象是地球上珍贵的野生动物资源,非洲象、亚洲象均已被列入《濒危野生动植物种国际贸易公约》(CITES)目录,国家野生动植物保护部门严格禁止现生象牙及其制品的市场贸易,这对保护野生动植物的特种多样性具有十分重要的意义。但是,在禁止象牙及其制品贸易监管执法过程中,特别是在一线执法现场,如何快速、有效地对类象牙制品进行鉴定与识别,是目前亟待解决的问题。文章设计的面向移动端的象牙智能识别系统立足于计算机模式识别理论,采用图像增强与纹理解析方法,建立基于深度学习的象牙识别算法模型,解决象牙图像纹理识别问题,能够提高一线执法人员的工作效率,为象牙相关违法犯罪的打击提供技术支持。

关键词： 中国自动化学会   模式识别   人工智能学科   智能计算机   智能机械   工程技术人员   中国科学院   学术刊物  

摘要： 《模式识别与人工智能》是中国自动化学会、国家智能计算机研究开发中心和中国科学院合肥智能机械研究所共同主办的学术刊物。本刊面向国内外各高等院校、研究机构和企业的科研人员、教师、工程技术人员及研究生和高年级大学生。办刊宗旨:模式识别、人工智能学科是信息科学与技术的重要组成部分,本刊发表与此有关的最新研究成果与进展,旨在推动信息科学技术的发展。

关键词： 人工智能技术   第三次浪潮   多层神经网络   符号表示   机器学习   第二次浪潮   模式识别   思维过程  

摘要： 人工智能技术自诞生以来,先后经历了三次发展浪潮:第一次浪潮起源于20世纪50年代,在这个阶段,研究人员主要关注人类思维过程的符号表示和逻辑推理,他们试图通过使用符号和规则来模拟人类的思维过程;第二次浪潮起源于20世纪80年代,在这个阶段,研究人员开始重点关注模拟神经网络的计算模型,以期通过它实现机器学习和模式识别;第三次浪潮起源于2000年,在这个阶段,研究人员开始关注多层神经网络的训练和优化方法,以提高神经网络的性能和泛化能力。

关键词： C/C复合材料   声发射   K-均值聚类   模式识别   损伤模式  

摘要： 为探究2.5D-C/C复合材料在常温压缩载荷下的损伤过程,通过试验方法比较了不同压缩构型下的试验结果与失效模式,同时利用声发射(AE)技术实现损伤在线监测,采用改进的K-均值聚类算法对AE信号进行模式识别,结合聚类后的AE信号随时间变化的统计分析与扫描电子显微镜(SEM)微观表征,发现2.5D-C/C复合材料压缩过程损伤模式包含基体开裂与裂纹扩展、界面脱黏以及纤维弯曲断裂,并将损伤模式与AE信号相匹配,描述了材料的压缩损伤演化进程。