关键词： transformer   图像分类   自适应特征向量融合   卷积神经网络(CNN)   模式识别  

摘要： 针对目前基于transformer的图像分类模型直接应用在小数据集上性能较差的问题,本文提出了transformer自适应特征向量融合网络,该网络在特征提取器中将不同阶段的特征进行融合,减少特征信息丢失的同时获得更多不同感受野下的信息,同时利用最大池化来去除特征中的冗余信息,从而使提取的特征更具有判别性。此外,为了充分利用图像的各级特征信息来进行分类预测,本文将网络各阶段产生的特征向量进行融合,使融合后的特征向量更具有表征能力,从而减少网络对大数据集的依赖,使网络在小数据集中也能获得很好的性能。实验表明,本文提出的算法在数据集Mini-ImageNet-100、CIFAR-100和ImageNet-1k上的TOP-1准确率分别达到了74.22%、85.86%和81.4%。在没有增加计算量的情况下,在baseline上分别提高了6.0%、3.0%和0.1%,且参数量减少了18.3%。本文代码开源在“https://***/xhutongxue/afvf”。

关键词： 模式识别   时空图卷积神经网络   门卷积神经网络   光伏发电   负荷预测  

摘要： 区域光伏功率预测有助于调度人员科学、合理地制定调度方案,但现有研究方法没有充分考虑功率输出的时间相关性和云移动造成的影响。为此,提出了一种基于天气条件识别的区域光伏功率时空图神经网络预测方法。考虑了光伏电站之间随天气条件的变化而变化的影响因素,并根据云层覆盖情况将历史光伏发电数据分为三类,根据不同类别设置不同的邻接矩阵。在时空图卷积网络(spatio-temporal graph convolutional network,STGCN)模型的基础上建立了三个子模型,分别通过图卷积神经网络捕捉空间相关性和门卷积神经网络捕捉时间相关性。最后,应用实际数据进行了仿真,并与图神经网络模型、长短期记忆网络模型和STGCN模型进行比较。结果表明,采用STGCN分类模型的方法在功率预测精度上有显著提高。

关键词： 鸡血藤   指纹图谱   化学模式识别   含量测定   质量评价  

摘要： 目的采用HPLC指纹图谱、化学模式识别和多指标成分含量测定相结合的方法,对不同居群鸡血藤药材进行综合质量研究,为其质量评价提供参考。方法收集了5个种源地共15个居群的鸡血藤药材样品,采用HPLC指纹图谱进行分析,结合相似度评价、聚类分析、主成分分析和正交偏最小二乘判别分析进行不同居群鸡血藤药材质量评价,并测定原儿茶酸、儿茶素、表儿茶素、染料木素和芒柄花素5种指标性成分的含量,同时按照《中国药典》的热浸法测定不同居群鸡血藤样品的醇溶性浸出物。结果15个居群鸡血藤药材共标定了13个共有峰,经对照品比对指认了8个成分,指纹图谱相似度范围为0.692~0.984,具有较好的相似性;聚类分析将样品分为3类;主成分分析用3个主成分进行评价,综合得分显示,产自广东梅州、广西贺州和百色的鸡血藤质量较好;正交偏最小二乘判别分析筛选了不同产地鸡血藤药材的6个质量差异标志物,分别为芒柄花素、毛蕊异黄酮、染料木素、大豆苷元、色谱峰2和色谱峰3。含量测定结果表明不同产地鸡血藤药材中5种指标性成分含量存在明显差异;5种指标性成分的总含量与主成分综合得分存在明显相关性。结论将HPLC指纹图谱、化学模式识别和多指标成分含量测定相结合的方法不仅可为鸡血藤药材质量控制的综合评价提供参考,也为其种质资源的品质评价提供了一定的科学依据。

关键词： 欠驱动灵巧手   抓取模式识别   深度学习   自主抓取   图像处理  

摘要： 针对桌面上单个物体场景的抓取任务,提出一种基于抓取模式识别的欠驱动灵巧手自主抓取方法.受人类抓取策略启发,基于四种典型抓取模式建立物体的抓取模式数据集,并通过深度学习预测物体的抓取模式和抓取区域,利用图像处理获得抓取角度,从而简化欠驱动灵巧手的抓取规划.深度学习算法在测试集中的识别准确率达98.70%,对未知物体的识别准确率达82.70%,具有较好的泛化能力.当执行自主抓取时,深度学习方法的不准确性通过欠驱动手的自适应性得到了一定的补偿.通过UR3e机械臂搭载欠驱动灵巧手对24个物体进行抓取实验,在120次抓取中平均成功率为90.80%.实验结果表明所提方法能适应不同形状大小的物体,具备抓取实用性.

关键词： 模式识别   实践教学   案例库   华为“智能基座”  

摘要： 为解决本科生模式识别课程基础内容多、数学理论繁多且难度较高,但实践案例缺乏、学生学习过程缺乏趣味性的问题,分析了模式识别课程的主要内容体系,结合华为“智能基座”产教融合协同育人项目资源,设计模式识别课程案例库建设与实践教学方案,以此增强教学过程的完整性,提升学生的思维能力,吸引学生在课堂上的注意力。实际调查统计数据表明,该方案有效激发了学生课堂学习的主动性与课后实践的积极性,可达到使学生学以致用的教学效果。

关键词： 模式识别   化学解题   作业设计  

摘要： 模式识别要求人们有意识地对所学知识进行加工,并以某种类属存储于大脑。建构基于模式识别的高中化学解题模型,需要经历模式建立、分析特征、模式识别、解题迁移、自我评价五个步骤,并在解题过程中动态完善。其优势在于,学生可将内隐思维外显化,从某一个事物上升到某一类事物,发现表征方法,提升对问题本质的认识及问题解决能力。教师还应注重作业设计的过程性,设计典型作业和分层作业,引导学生主动参与模式建立的过程,进而成长为创新型人才。

关键词： 分布式光纤传感器   袋式除尘器   破袋检测   特征提取   模式识别  

摘要： 袋式除尘器破袋实时检测与定位一直是环保行业面临着的一道难题。该行业过去采用人工检测与定位的方法,不仅成本高、耗时长、效率低,最重要的是不能实时在线检测与定位,往往发现滤袋破损时已经造成了空气污染,因此人工检测方法已不适合国家相关管理部门对袋式除尘器的技术要求。基于相位敏感光时域反射仪(Φ-OTDR)的分布式光纤传感技术为解决此问题提供了一种解决方案。为此,通过介绍该技术的基本原理,科普化解析该技术用于除尘器破袋实时在线检测与定位的应用方案,分析应用方案中面临的问题及解决问题思路,以期为相关工程技术人员提供技术参考。

关键词： 非负矩阵分解   非负双奇异值分解   初始化   模式识别  

摘要： 随着大数据技术的发展,非负矩阵分解(NMF)日益成为目前最流行的模式识别方法之一,并广泛应用于文档聚类、图像处理、人脸识别、信号分析等多个领域。针对NMF中双因子矩阵的初始化问题,对非负双奇异值分解算法进行分析,数值实验表明该算法可以快速降低众多基于NMF衍生算法的近似误差。

关键词： 故障诊断   转子系统   VMD   特征融合   GRNN神经网络   模式识别  

摘要： 提出一种基于自适应变分模态分解(Variational Mode Decomposition,VMD)与广义回归神经网络(Generalized Regression Neural Network,GRNN)的故障诊断方法,有效解决转子系统振动信号特征提取与复合故障模式识别的问题。首先通过VMD将采集到的原始信号自适应分解为一系列的内涵模态分量(Intrinsic Mode Functions,IMF),然后根据相关系数-峭度准则选取IMF分量进行信号重构。最后获取重构信号的精细复合多尺度散布熵(Refined Composite Multiscale Dispersion Entropy,RCMDE)、均方根以及重心频率构成特征向量集,输入到GRNN神经网络进行训练和故障模式识别。数值仿真与故障模拟实验结果表明:采用基于自适应VMD与GRNN神经网络的方法可有效识别转子系统中的多故障模式。