关键词： 模式识别   行人重识别   特征提取   双分支特征拼接  

摘要： 针对不同监控视觉的拍摄,行人重识别任务存在类内(同一行人)前后变化大被误判、类间(相似行人)模糊造成区分度低的问题,提出一种双分支特征拼接的行人重识别方法(Dual-branch Feature Concatenation Network,DFCNet)。该方法通过对网络的深度特征进行拼接,使特征信息互补,获得辨别性特征,并用批归一化层代替基础网络全局平均池化层后的全连接层,使用标签平滑交叉熵损失函数训练网络,解决类内变化大及类间模糊造成提取特征辨别性差的问题。为验证所建议方法的有效性,在Market1501、DukeMTMC-reID公开数据集上进行验证,其中在Market1501数据集上,Rank-1和mAP指标分别达到95.8%和94.3%。结果表明所建议方法在处理类内误判与类间难区分问题上具有良好性能,且识别精度优于对比的流行算法。

关键词： 瓜子叶一条根   HPLC指纹图谱   化学模式识别  

摘要： 目的建立瓜子叶一条根的HPLC指纹图谱,并以指纹图谱共有峰数据构建化学模式识别模型,评价不同来源瓜子叶一条根的差异性机制。方法采用高效液相色谱法建立13批不同来源瓜子叶一条根的指纹图谱,构建HPLC指纹图谱共有模式,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对不同批次瓜子叶一条根药材进行评价。结果建立瓜子叶一条根的HPLC指纹图谱,共确定15个共有峰;13批瓜子叶一条根的指纹图谱与对照图谱的相似度为0.882~0.989,聚类分析和主成分分析均将13批样品分为3类,分类结果一致;主成分分析结果表明13批样品综合质量高低依次为S12>S4>S10>S5>S7>S1>S9>S8>S3>S11>S13>S6>S2;正交偏最小二乘判别分析筛选出4个质量差异标志性成分。结论该研究建立的HPLC指纹图谱方法稳定可靠,与化学模式识别方法相结合可为瓜子叶一条根药材质量评价提供参考。

关键词： 模式识别与机器学习   新工科   课程思政   教学改革   课程建设  

摘要： 随着人工智能时代的到来及“新工科”建设的推进,作为人工智能领域人才培养核心之一的“模式识别与机器学习”课程,探索如何将思政元素“润物细无声”地融入其中,已经成为一项重要的教学任务。文章通过对模式课程思政建设现状的分析,对课程教学大纲进行了改革,对课程融入思政元素切入点、教学内容、授课方式及考核机制等进行了设计,逐步探索形成了“模式识别与机器学习”课程思政的具体实施路径。

摘要： Network science has become increasingly present in academic circles, industry, and everyday life. Many real-world systems, considered complex systems, can be reduced to a network since this formalism exhibits a short number of variables. Some systems, such as social networks, chemical reaction networks, food webs, and neural networks, can be represented by networks. Therefore, it has become fundamental to recognize patterns and find a variable set that defines the network structure. In this dissertation, we will discuss two methods for pattern recognition in networks. The first method was developed to study small-world networks, and the second algorithm was made to analyze both synthetic and real-world networks. The first method presented well results in verifying the transition from regular network to random network in Watts-Strogatz graphs. The second method, called deterministic tourist walk with bifurcations, got a good performance in the synthetic and real-world network classification.

关键词： 同步发电机   递归神经网络   短路故障   模式识别   计算机仿真  

摘要： 电力系统故障可能导致网络设备损坏等问题,从而降低网络可靠性,是故障定位运营商的基本任务之一。为提升同步发电机三相短路状态故障诊断的准确率,基于改进递归神经网络对同步电机短路故障进行了模式识别研究,建立了同步发电机的电气、机械和短路故障模型,利用MATLAB/Simulink对短路故障进行了建模和仿真。通过对比仿真,研究了基于改进型递归神经网络和BP神经网络模型的故障诊断,结果表明前者精确程度更高。

关键词： 氧化物神经形态晶体管   明胶/羧化壳聚糖复合电解质   触觉感知   模式识别  

摘要： 模仿大脑感知信息处理方式对于仿生智能感知系统的设计具有重要意义,而采用具有生物相容性和生物可降解特性的功能材料构建环境友好型神经形态器件是突触电子学研究的重要内容。本研究采用明胶/羧化壳聚糖(GEL/C-CS)复合电解质薄膜作为栅介质制作氧化物神经形态晶体管,模仿了不同湿度下的突触响应行为,包括兴奋性突触后电流和双脉冲易化。基于不同刺激数量下的突触塑性行为,提出了一种触觉对物体识别程度的量化处理方式。进一步搭建人工神经网络,实现了对MNIST手写数字的识别,识别精度达90%以上。这种GEL/C-CS栅控神经形态器件对仿生智能感知和脑启发神经形态系统的设计具有一定的参考价值。

关键词： 人工智能   自然语言处理   自动程序设计   智能机器人   自动定理证明   机器学习   多媒体技术   模式识别  

摘要： 目前,电脑网络通信、人工智能(通俗地说,指的主要是机器人)、大型数据库、多媒体技术一起,构成了信息科技的四大热门领域。人工智能是一门涉及信息学、逻辑学、认知学、思维学、系统学和生物学的多学科交叉技术,已在知识处理、模式识别、机器学习、自然语言处理、博弈论、自动定理证明、自动程序设计、专家系统、知识库、智能机器人等多个领域取得实用成果。

关键词： 计算思维   问题分解   抽象   模式识别   算法设计  

摘要： 在人工智能时代,计算思维是个体应当具备的一系列解决问题的思维品质。计算思维的培养应从幼儿阶段开始。计算思维包括计算概念、计算实践和计算态度三个同等重要、密不可分的维度,包括问题分解、抽象、模式识别和算法设计等核心要素。本文重点介绍如何在一日生活和活动中培养幼儿的计算思维,以促进幼儿信息科技素养提升。

关键词： 脑机接口   运动想象   梯度提升决策树   共空间模式  

摘要： 为了提高运动想象脑机接口系统的性能,基于脑-机接口竞赛数据比较了不同空间滤波器下获得的CSP特征,在支持向量(线性核和高斯核)(linear kernel support vector machine,LSVM and(gaussian kernel support vector machine,GSVM)),线性判别分析(linear discrimination analysis,LDA),梯度提升决策树(gradient boosting descrision tree,GBDT)下的分类效果.比较结果表明,GBDT获得了比其它分类器更优的分类效果.进一步把最小绝对收缩和选择算法(the Least Absolute Shrinkage and Selectionator operator,LASSO)与以上四种分类器进行结合使用,发现其与GBDT结合使用后得到的平均分类准确率最高,比结合LSVM,GSVM和LDA分别提高了5.57%,4.57%,3.16%.

关键词： 电击死   死后电击   特征波长   随机森林   分类识别   法医学鉴定  

摘要： 在司法鉴定领域,涉及电击死亡的案件多发,鉴别死者是生前还是死后受到电击仍是法医病理学鉴定的难点问题之一。为此通过傅里叶变换红外光谱融合机器学习模型对心脏组织视角下的电击死和死后电击两种情况开展分类识别研究。将30只大鼠进行电击死、死后电击和对照处理,通过光谱仪扫描得到其心脏组织光谱,采用竞争性自适应重加权算法共提取到70个光谱特征波长,建立随机森林模型对特征波长提取前后的心脏组织光谱进行模式识别;结果表明,特征波长提取前后模型分类识别的准确率分别为34.9%和73.7%,验证了特征波长提取方法的有效性和必要性。同时建立偏最小二乘模型、传统支持向量机以及粒子群算法和灰狼算法优化的支持向量机模型进行分类识别,结果表明,模型分类识别的准确率分别为61.07%、34.48%、100%和98.46%,对比发现经特征提取后的粒子群优化支持向量机模型分类识别效果最好。为排除“生物学死亡期”的干扰,又取60只大鼠按同种方式对其处理,每组又分死后0.5 h和死后1 h 2个亚组,再次通过傅里叶变换红外光谱仪扫描得到光谱数据,数据预处理后将其与之前得到的数据进行一并处理并结合粒子群优化支持向量机模型分析,结果表明,该方法分类识别的准确率可达到80.85%。这为电击死领域的法医学鉴定提供了新的研究思路和方法,说明傅里叶红外变换红外光谱结合机器学习模型可以作为一种补充工具来提供相对客观的判断,具有重要的研究意义。