关键词： 光纤光学与光通信   视觉建模   算法   检测   模式识别  

摘要： 自主导航是深空探测的关键技术,国内外已经进行了多项地外行星自主着陆任务。基于陨石坑进行自主视觉导航的技术是当前的研究热点,各类行星的陨石坑特征丰富,基于地形特征进行位姿估计是视觉导航的重要技术。本文首先简要介绍了近几年深空探测领域导航技术的应用进展以及自主导航方法的分类,并根据传感器成像方式对视觉导航进行了分类,重点介绍了基于陨石坑的地形相对导航方法。然后总结了基于陨石坑方法的优势和难点,介绍了陨石坑的定义与数据类型,概括了国内外研究机构和人员。接着将基于陨石坑的导航方法分为陨石坑检测、陨石坑识别和位姿解算三个阶段,分别从监督检测、非监督检测和复合检测等方面详细介绍了陨石坑检测方法的研究现状,同时根据着陆阶段和有无初始姿态信息分别介绍了陨石坑识别的国内外方法,随之详细介绍了基于图像信息和结合动力学模型的位姿解算方法。最后对基于陨石坑的视觉导航技术进行了总结,并对其发展前景进行了展望。

关键词： 模式识别技术   教学改革   创新  

摘要： 在大数据时代,模式识别技术的广泛应用促进了该领域人才的需求,使得“模式识别技术”课程在高校人才培养中的重要地位逐渐凸显。“模式识别技术”课程是一门多学科交叉的课程,该课程具有理论性强、知识点多、概念抽象难理解的特点。这些特点使得在较少课时下如何让学生较好掌握该门课的知识成为一个难题。文章以此为出发点,从理论学习过程创新、算法学习过程创新、授课方式创新、教材创新四个方面探索“模式识别技术”课程教学改革方法。

关键词： 自组织特征映射网络   数据库软件   大数据   模式识别   生产管理系统   因子分析   人工神经网络   事后管理  

摘要： 随着国家电网公司对各类电网工程项目标准化、精益化管理要求不断提高,为解决生产项目进度“事后管理”的瓶颈问题,本文以电网生产技改大修项目为案例,提出基于项目历史信息大数据的项目进度风险识别方法。利用生产管理系统推送至全口径平台的项目节点大数据,借助因子分析、聚类分析,使用自组织特征映射网络人工神经网络(SOM)进行模式识别,并运用数据库软件对运算后的大数据进行封装,建立起工程进度风险识别与预测系统。

关键词： 模式识别   网络课程   教学实践  

摘要： 模式识别是人工智能领域重要的分支学科之一,也是一门理论性和实践性都很强的学科,学科前沿发展日新月异。本文主要介绍笔者在线下授课学时受限的情况下,基于Blackboard(BB)平台建设了模式识别网络课程,并在教学实践中进行了应用,为选课学生提供了更多的学习方式和学习支持。网络课程中丰富的教学资源,有助于引导学生掌握模式识别的基本理论和前沿算法,提高项目编程和实践能力,同时也便于我们未来实行线上线下融合的教学方式,从而更好地满足学生的学习需求,达到因材施教、提升教学质量的目的。

关键词： 气驱特征曲线   气窜模式   生产动态   控气技术  

摘要： 水驱特征曲线法分析生产动态普遍应用于水驱油田的开发实践中,但针对渤海气驱油藏缺乏相似的研究手段。基于稳定渗流理论,进行了气驱特征曲线公式的推导,公式表明,达到稳定气驱阶段后,可以认为气顶累积产出量与累积产油量在半对数坐标上成一条直线关系。实际气驱曲线受前期无气采出阶段和后期气携油阶段的影响,为反S型。锦州X油田结合气驱特征曲线划分出3种气窜模式:快速气窜型、稳定气驱型、高气油比型。快速气窜型油井产量递减快、累计产油量低,无稳定生产阶段;稳定气驱型油井气油比上升平缓、持续稳产、累计产油量高;高气油比型油井开发效果介于快速气窜型与稳定气驱型的开发效果之间,开发后期由于气顶气突破与原油脱气,油井逐渐以产气为主,仅携带少量原油,井别性质从油井向气井过渡。在明确气窜规律的基础上,结合控气技术应用实践,提出分气窜模式、分开发阶段的开发策略,针对快速气窜型油井,优化井位,原井眼向下侧钻,改善了开发效果;针对稳定气驱型油井,初期控制合理采油速度,中后期跟踪气油比上升幅度配套控气措施,气油比呈现出波动式上升规律;高气油比型油井受高气油比影响,仅携带少量原油,井别性质从油井向气井过渡,计算实施屏障注水,解决气窜问题。研究成果对渤海气驱油藏的生产开发具有一定的指导意义,可实现相似油田动态跟踪与开发调整。

关键词： 模式识别   AI   教学改革   案例驱动   混合式教学  

摘要： 为了解决本科模式识别课程中理论性较强、数学推导偏多、实践案例陈旧、理论与实际应用脱离等问题,本文探索将案例教学法和线上线下混合法相结合,以实际案例为驱动,引导学生探索解决问题的方法,改变传统“填鸭式”的教学模式,合理拆分线上线下教学内容,在有限课时内让学生掌握模式识别的相关方法,并配合课程实践,最终以编程形式实现具体模式识别模型。让课堂言之有物,增强学生对课程价值的认同感,提高教学效果。

关键词： 反复呼吸道感染   儿童   肺脾气虚证   玉屏风颗粒   细菌溶解产物胶囊   血清模式识别受体  

摘要： 目的:观察玉屏风颗粒对反复呼吸道感染肺脾气虚证患儿血清模式识别受体表达的影响。方法:选取100例反复呼吸道感染肺脾气虚证患儿,按随机数字表法分为常规治疗组和玉屏风治疗组各50例,并选取同期体检的50例健康儿童作为正常对照组。常规治疗组给予细菌溶解产物胶囊治疗,玉屏风治疗组给予玉屏风颗粒治疗,2组均治疗3个月,正常对照组不进行治疗。比较常规治疗组和玉屏风治疗组的临床疗效,以及3组治疗前后血清模式识别受体的表达水平。结果:随访3个月,常规治疗组临床疗效总有效率88.0%,与玉屏风治疗组84.0%比较,差异无统计学意义(P>0.05)。治疗前,常规治疗组与玉屏风治疗组血清Toll样受体1(TLR1)、核苷酸结合寡聚化结构域2(NOD2)、白细胞分化抗原14(CD14)、视黄酸诱导基因蛋白1(RIG1)、C型凝集素受体1(Dectin1)、黑素瘤分化相关基因5(MDA5)蛋白浓度均低于正常对照组(P<0.05)。治疗后,常规治疗组与玉屏风治疗组血清TLR1、CD14、RIG1、Dectin 1、MDA5蛋白浓度均较治疗前升高,且均低于正常对照组(P<0.05);常规治疗组血清NOD2蛋白浓度较治疗前升高,且低于正常对照组(P<0.05);玉屏风治疗组治疗前后血清NOD2蛋白浓度比较,差异无统计学意义(P>0.05);常规治疗组与玉屏风治疗组血清TLR1、NOD2、CD14、RIG1、Dectin 1、MDA5蛋白浓度比较,差异均无统计学意义(P>0.05)。结论:玉屏风颗粒可有效治疗反复呼吸道感染肺脾气虚证患儿,其疗效与细菌溶解产物胶囊相当,可能通过降低血清模式识别受体的表达水平发挥作用。

关键词： ANN   电气设备   超高频   局部放电模式   识别  

摘要： 为了提高电气设备超高频(UHF)局部放电特征识别能力,提出基于人工神经网络(ANN)的电气设备超高频局部放电模式识别方法。根据电气设备绕组间的短路阻抗特性进行超高频局部放电模型构造,计算电气设备励磁支路增量电感,采用人工神经网络辨识方法进行电气设备超高频局部放电特征提取和模式识别,计算输出的静态电感和增量电感,采用快速傅里叶变换提取电气设备放电脉冲调节,计算一次侧基频电流幅值,根据励磁曲线和励磁电阻的匹配模式,建立电气设备超高频局部放电的参数提取模型,采用人工神经网络实现电气设备超高频局部放电模式识别。仿真分析结果表明,在0.020 s时,所提方法多数值均能检测出局部放电,采用该方法进行电气设备超高频局部放电模式参数识别的准确性较高,收敛性较好,抗干扰能力较强。

关键词： 雷达工作模式识别   图信号   图卷积网络   K近邻图  

摘要： 在雷达工作模式识别中,通常难以获取大量已知类别的雷达信号样本以供算法模型训练。为此,提出一种基于图卷积网络的雷达工作模式识别方法。首先利用K近邻图算法,以图结构表征信号样本集,建立样本之间的关联;然后采用图卷积网络对该图信号进行半监督节点分类,完成在只有少量监督数据情况下的雷达工作模式识别。实验结果表明,所提出方法中对每种类别雷达信号设置15个监督数据(约占雷达信号总样本集的5%)时,识别准确率为98.23%。

关键词： 井下人员   智能手机   卷积神经网络   长短期记忆   行为模式识别  

摘要： 针对井下人员日常工作时的运动状态多变且智能手机位置不固定,导致仅考虑单一运动模式下的人员定位精度低的问题,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆(Long Short-Term Memory,LSTM)网络的CNN-LSTM井下人员行为模式识别模型。通过智能手机采集井下人员工作状态中的加速度、陀螺仪惯性数据进行运动模式识别,该模型融合了CNN和LSTM两层操作,CNN提取序列的空间特征,LSTM提取时间维度上的特征,对井下人员运动类别及智能手机位置定义,数据预处理后使用CNN-LSTM模型作为分类器进行矿工井下日常行为分类,根据分类结果排除对定位的干扰行为,辅助井下智能手机人员定位算法更新矿工位置,以此来提高井下人员定位算法的抗干扰性和实用性。在井下人员日常行为模式数据集上进行了测试实验,结果表明,提出的CNN-LSTM分类模型对矿工行为模式识别准确率为98.71%。