关键词： SVM技术   华东地区   地震前兆  

摘要： 以华东地区1970年以来的地震目录为研究对象,基于Multi-SVM技术,对原始地震目录的样本空间进行预处理。通过分组,在每个分组上计算测震学指标,将样本空间映射至特征空间,采用多分类SVM技术对其进行相关的前兆模式挖掘,并在测试集上进行了回溯性检验。实验结果表明,当一段时间内的地震频次较为稳定时,前兆模式挖掘的结果将更为准确。

关键词： 电动汽车   电池故障   自动诊断   模式识别  

摘要： 在电动汽车电池故障诊断方面,经常存在诊断精准性较差、诊断结果FDR值较高等问题。该文基于模式识别的电动汽车电池故障自动诊断,选择使用LMD方法对电池运行信息内的特征向量进行提取,并将采集到的数据整理成库,根据所拥有的数据结合模式识别技术中的贝叶斯算法,构建出一套全新的故障自动诊断模型。该模型能够通过比较阈值判断故障位置,从而真正实现电动汽车电池故障自动识别。

关键词： 图片模糊集   相似度量   模式识别  

摘要： 目的:研究图片模糊集上一种新的相似度量。方法:首先通过权重系数将拒绝隶属度携带的信息进行再分配。其次,利用聚合函数与取大取小算子构造了图片模糊集上的相似度量。结果:提出的相似度量不仅满足相似度量的公理化定义,而且克服了现有的一些相似度量的某些不足。结论:数值实验说明了我们提出的图片模糊集上的相似度量是合理的,我们进而将提出相似度量应用到模式识别中,其识别结果表明我们的相似度量是有效的优越的。

关键词： 模式识别   时间序列分类   深度学习   时间序列图像化   循环胶囊神经网络  

摘要： 针对时间序列图像化缺少时间关联关系与空间位置关系的问题,提出面向时间序列的混合图像化循环胶囊神经网络(FIR-Capsnet)以融合并提取时间序列图像的时空信息。首先通过格拉姆角场(GAF)、马尔可夫跃迁场(MTF)与重现图(RP)方法捕获时间序列图像的多水平时空特征;然后利用胶囊神经网络的旋转不变性与路由迭代算法学习时间序列图像的空间关系;最后引入长短时记忆(LSTM)网络的门机制学习时间序列数据隐含的时间关联性。实验结果表明,FIR-Capsnet在30个UCR公开数据集上取得15次胜利;并且在人体活动识别(HAR)数据集上相较于Fusion-CNN、FIR-Capsnet的分类准确率提高7.2个百分点,说明了FIR-Capsnet处理时序数据的优势。

关键词： 复方伤痛胶囊   指纹图谱   模式识别   质量评价研究   没食子酸   绿原酸   延胡索乙素   柚皮苷   大黄酸   Z-藁本内酯   大黄素甲醚  

摘要： 目的建立复方伤痛胶囊的指纹图谱,并结合多元变量统计方法发现潜在的关键质控成分。方法采用Waters超高效液相色谱(UPLC)仪,色谱柱为Acquity UPLC®HSS T3,流动相为乙腈-0.1%甲酸水,采用梯度程序洗脱,检测器波长设置参数为280 nm,共建立20批复方伤痛胶囊的指纹图谱。采用聚类分析、主成分分析及正交偏最小二乘法-判别分析(OPLS-DA)对图谱数据进行模式识别分析,筛选出关键质控成分,并经过化学指认。结果共有27个色谱峰被标定,20批药物的整体相似度大于0.88,显示药物质量总体相对稳定;但基于聚类分析及主成分分析初步发现不同批次药物也存在微小差异,能够区分成两大类;进一步基于OPLS-DA发现了导致药物质量微小差异的7种主要成分,即关键质控成分;通过对照品对以上成分进行确认,分别为没食子酸、绿原酸、延胡索乙素、柚皮苷、大黄酸、Z-藁本内酯和大黄素甲醚。结论建立的指纹图谱结合多元变量统计方法,可科学、系统地评价复方伤痛胶囊的药物批次质量,发现关键质控成分,同时能够为中药相关质控研究提供一定的研究思路。

关键词： 数据分析   Hadoop技术   物资需求预测   模式识别  

摘要： 阐述一种基于Hadoop技术的电网建设物资需求预测模式的识别方法。通过识别项目库分类项目以构建典型项目库,汇总分析各种项目库的电网建设物资,识别物资样本,从而收集电网建设物资的需求数据。探讨计算各影响因素对于各类物资需求计划的实际影响程度,获取影响值较大的因素作为关键因素,构建电网建设物资需求预测模型,利用基于Hadoop技术构建电网建设物资需求预测模式识别平台,实现电网建设物资需求预测模式识别。

关键词： 前胡   紫花前胡   高效液相色谱   指纹图谱   化学模式识别  

摘要： 目的基于前胡和紫花前胡指纹图谱结合化学模式识别技术,建立前胡和紫花前胡的分类识别模型。方法采用高效液相色谱法,以Venusil C_(18) Plus(250 mm×4.6 mm,5μm)为色谱柱;以乙腈(A)-水(B)为流动相梯度洗脱;检测波长334 nm;流速1.0 mL·min^(-1);柱温30℃;进样量10μL。采用聚类分析、主成分分析、样本判别分析等化学模式识别方法对数据进行分析。结果结合化学模式识别方法对同步建立的前胡和紫花前胡的HPLC指纹图谱数据分析表明,收集到的18批样本基本分为三类:前胡、紫花前胡以及其他。结论所建立的指纹图谱结合化学模式识别的方法可靠、简单易行,建立的分类识别模型可有效区分前胡和紫花前胡,并为两者各自的质量控制提供依据和参考。

关键词： 白芍   加工前后   成分   无机元素   化学模式识别  

摘要： 目的:研究白芍加工前后有效成分与无机元素的变化。方法:收集31批芍药根样品并加工成白芍,分别测定其水溶性浸出物、没食子酸、儿茶素、芍药苷、芍药内酯苷和Mg、Ca、K、Fe、Al、Zn等23个无机元素的含量。通过统计分析比较加工前后白芍样品质量,结合聚类分析(CA)、主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA)进行化学模式识别研究。结果:加工后白芍中没食子酸含量升高,但水溶性浸出物与大部分无机元素含量降低。加工后的白芍中5个重金属及有害元素含量均低于加工前。CA、PCA、OPLS-DA能够将加工前的芍药根与加工后的白芍样品区分,并进一步筛选出K、Fe、Mg、Al、Ca与没食子酸作为加工前后白芍的质量差异标志物。结论:加工前后的白芍质量存在差异,加工后的白芍中重金属及有害元素的安全性更高。

关键词： 土壤   速氮含量   多元线性回归   BP神经网络   模式识别  

摘要： 以土壤类型丰富的陕西省横山县为研究区域,采集该区域的84个土样。在对原始数据进行去噪处理和特征变换后,利用神经网络原理、多元线性回归分析法、模式识别理论建立土壤速氮含量反演模型。研究结果表明,反演模型的精度由高到低依次为神经网络模型、多元回归模型、模式识别模型。其中神经网络模型的均方根误差约为8.24,决定系数最大,达到了0.9455。因此,利用神经网络进行土壤速氮含量反演具有较好效果。

关键词： 香附   清炒   指纹图谱   含量   化学模式识别   差异标志物   层次聚类分析   主成分分析   正交偏最小二乘-判别分析   5-羟基甲基糠醛   对香豆酸   阿魏酸   木犀草素   香附烯酮   α-香附酮  

摘要： 目的建立香附饮片、清炒香附、香附炭的HPLC指纹图谱,结合化学模式识别筛选差异标志物,并测定6种主要成分的含量,为进一步完善香附质量标准提供参考。方法采用《中药色谱指纹图谱相似度评价系统(2012版)》建立21批香附样品的HPLC指纹图谱,进行相似度评价,确定共有峰个数;采用SIMCA 14.1软件进行层次聚类分析(hierarchical cluster analysis,HCA)、主成分分析(principal component analysis,PCA)、正交偏最小二乘-判别分析(orthogonal partial least squares-discriminant analysis,OPLS-DA),以变量重要性投影(variable importance in projection,VIP)>1为标准筛选出差异标志物;测定5-羟基甲基糠醛(5-hydroxymethylfurfural,5-HMF)、对香豆酸、阿魏酸、木犀草素、香附烯酮、α-香附酮的含量。结果21批HPLC指纹图谱的相似度均不小于0.934,共标定23个共有峰,指认3、10、11、17、21、23号峰分别为5-HMF、对香豆酸、阿魏酸、木犀草素、香附烯酮、α-香附酮;PCA结果、OPLS-DA结果与HCA结果一致,均可将21批香附样品分为3类;通过VIP筛选出2、23(α-香附酮)、17(木犀草素)、10(对香豆酸)、11(阿魏酸)号峰为导致样品差异的主要标志色谱峰;5-HMF的含量在香附炭中最高。对香豆酸、阿魏酸的含量在香附饮片、清炒香附、香附炭中逐渐增加。木犀草素在清炒香附中含量最高。α-香附酮含量经炒后略有增加。香附烯酮含量在香附饮片、清炒香附、香附炭中含量逐渐减少。结论筛选出未知成分2号峰与已知成分α-香附酮、木犀草素、对香豆酸、阿魏酸为差异标志物;所建立的清炒香附的HPLC指纹图谱存在一定差异,且HPLC指纹图谱与含量测定方法操作简单、准确,能够为清炒香附药效物质基础研究提供实验依据,可为进一步完善香附质量标准提供参考。