模式识别

摘要： 针对已有相似度量方法考虑因素不全面的情况,本文从二次投票出发同时考虑了二次投票中支持度、反对度和未知度的包含关系,合理设置系数,提出一种新的基于包含关系的Vague集相似度量方法,理论证明新相似度量方法满足相似度量的基本准则。分别选取小样本和大样本与已有相似度量方法进行比较,提出了一种新的相似度区分能力的定义。实验结果表明:对于小样本数据,本文提出的相似度量方法区分能力最大为0.14;对于大样本数据,本文提出的相似度量方法区分能力最大为119.8。将新相似度量方法分别应用于故障诊断、模式识别和多准则决策中,结果表明新的相似度量方法能够有效和合理地区分数据。

摘要： 局部放电模式识别对交联聚乙烯(XLPE)电缆绝缘性能的判定具有重要意义。在XLPE电缆的局部放电模式识别的研究中,传统机器学习算法存在收敛速度慢、易过拟合、识别准确率低等问题。文章采用一种基于改进XGBoost算法的XLPE电缆局部放电模式识别方法。通过搭建电缆局部放电试验平台人为构造四种35 kV XLPE电缆局部放电缺陷模型进而获取原始数据,利用MATLAB软件完成统计特征参数的计算,以特征参数为输入量,放电类型预测结果为输出量,通过交叉验证、学习曲线确定最优参数进而得到有效的模式识别模型。实验分析结果表明,与决策树、随机森林、BP神经网络和SVM等局部放电模式识别方法相比,文中方法可进一步提升识别准确率,总体识别准确率为96.93%。

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。

摘要： 传统语音情感识别算法模型结构较为简单,需要足够量级的训练数据才能使其具有一定的实用性。然而,在实际应用中可供训练的数据集较少。为解决上述问题,提出了一种语音情感深度迁移识别算法。通过属性分析表构建、特征提取、相关性计算等操作确定源域数据集,并在此基础上训练迁移学习并构建预训练模型,最终构成语音情感分类模型。实验结果表明,该算法可较好解决低资源数据集易陷入局部最优的问题,识别率达到60%以上,相对于BLSTM和CNN模型具有一定优势。

摘要： 传统的测井解释规则库的获取需专业研究人员以手工方式进行,存在繁琐、耗时等缺点,且技术熟练程度直接影响到解释评价效果,为此,提出了一种基于XGBoost的测井解释规则库自动获取或建立测井解释专家规则库的方法,将多种物理信息和地质参数作为输入特征,储层类别作为输出标签,通过引入XGBoost算法,经过学习得出地质参数与储层类别之间的关系模型。利用该模型,可以自动预测储层类别,进而建立测井解释规则库。胜利油田盐家永安地区某砂砾岩油气藏的砂砾岩测井解释评价结果表明,与支持向量机(SVM)算法和梯度提升决策树(GBDT)算法相比,本文方法具有更高的准确率和更高的计算效率。研究区老井复查结果表明:与手工获取规则库方法相比,本文方法较完整地提取了研究区内的知识规则,提升了测井解释的准确率。

摘要： 当前,生产的手套脱模后需要人工分拣,劳动强度大、工作效率低。基于人工智能进行自动分拣可以有效改善生产现状,本研究通过开发基于机器视觉和深度学习的自动识别算法和图像采集,提出了一种改进这种情况的自动分拣方法。通过对独立采集的原始数据集与OTSU算法二值化后的数据集的学习精度对比,说明数据增强方法的合理性,识别正确率可达97.89%,这对提高左右手的识别准确率具有重要的作用。该方法有望实现手套生产线的无人分拣。

摘要： 模式识别是问题解决中的一个重要概念,它对高中生数学问题解决有着重要的作用,而对于特定数学问题下的模式识别相关研究仍然较少。因此,基于数学问题解决模式识别相关理论,采用文献法、出声思维及访谈法,针对高中生平面向量问题解决过程中知识模式识别进行相关研究,得到高中生平面向量问题解决中的模式识别主要包括两个方面:一是对知识模式的识别,二是对方法模式的识别。对于知识模式的识别包含:题目考点的识别、关联知识点的识别、题目间关联性的识别以及运用其他知识进行解题的识别四个方面。解题能力和解题经验均对模式识别有一定影响,解题能力较好以及解题经验较多的学生均能更好地对知识模式进行识别。

摘要： 沿边地区是畅通国内国际双循环的桥梁纽带,对于构建新发展格局至关重要。文章设定沿边地区开发开放的动力机制模型,选取2001—2018年中国沿边9省份数据进行计量分析,识别“资源与创新”“政府与市场”“内需与外需”3组关系的开发开放动力机制及模式演化趋势。结果表明:沿边地区开发开放动力和模式呈现出动态性、非线性演化特征,要素端表现为资源依赖,技术进步作用发挥欠佳;制度端市场化水平仍有待提升,需要辅以政策倾斜提升内生动力;需求端国内循环起到主导作用,对外开放同样起到正向促进作用。构建新发展格局下,提升创新力、市场化和开放度是沿边地区开发开放的主流模式,也是实现发展路径突破的关键之选。

摘要： 目前拉曼光谱在物质检测领域获得了很多的应用研究,但是基在定量检测方面的相关研究还很少,同时传统的定量检测模型存在一些缺点。定量检测的主要难点在于难以有效地对不同浓度的光谱数据进行建模,且难以有效地针对不同浓度的数据进行区分。为了解决上述问题,本文提出一种新的基于集成学习的神经网络框架,通过基于多种神经网络模型对拉曼光谱数据进行建模,并利用集成学习方式融合不同模型建模的结果,来有效提升基于神经网络的拉曼光谱数据定量分析的性能。实验证明了基于深度学习的拉曼光谱定量分析的优势,同时也证明了本文提出的基于集成学习的方式比其他基准模型有较大的性能提升。

摘要： 运动想象脑电信号(EEG)的模式识别方法,一直是无创脑机接口领域的重要研究方向之一.近年来,深度学习进一步提升了运动想象EEG信号的识别准确率,但面对EEG信号较强的时变性,依然存在训练样本不足和特征维度太高等问题.针对上述问题,本文提出了一种新型的重叠时间切片训练策略,在现有的时间切片策略基础上(cropped),采用重叠的时间切片策略(overlapped),并基于重叠时间切片集合构建了全新的损失函数计算和标签预测方法.采用重叠时间切片策略,不但能够进一步提升训练样本数量,还可以降低单个样本特征空间,从而提升深度神经网络在EEG信号识别中的性能.为了验证overlapped策略的可行性与有效性,本文选择了BCI CompetitionⅣdataset 1,2a和2b三个开源EEG信号数据集,在数据集上分别建立5种深度神经网络模型,并对比cropped策略与overlapped策略的运动想象识别性能与效率.实验结果表明,overlapped策略较cropped策略拥有更好的识别性能.最后,通过调整重叠时间切片策略的参数值,设计了9组不同参数组合的对比实验,实验结果表明不同的参数组合会影响最终的分类性能,且分类性能的好坏并不与效率的高低呈线性关系.本文提出的overlapped策略在CompetitionⅣdataset 1,2a和2b数据集上的识别准确率分别达到了92.3%、77.8%和86.3%,较传统策略有明显的性能提升,效率却不一定降低.

摘要： 深度学习算法在建筑生成设计领域的应用正崭露头角.然而,建筑学领域中建筑形态相关的数据集的缺乏,导致了前期数据预处理工作需要消耗大量的人工资源.此外,建筑形态特征等可视信息需要被表征为计算机能够识别的数据,因此需要构建与算法相适应的信息编码方法表征建筑形态.研究将以建筑形态模式识别为切入点,整合规则系统与深度学习算法,探索深度学习语境下的建筑形态样本的生成与信息编码方法.研究的技术路线为:基于规则系统生成抽象的建筑形态组织模式样本,继而将样本通过卷积编码方法构建表征形态特征的训练数据集,接着用数据集训练深度学习算法模型,最终通过训练后的模型完成实际建筑平面的组织模式的分类与识别.

摘要： 导航频段干扰信号监测技术的研究对提高导航卫星系统的安全性和可靠性具有重要的意义,干扰源的定位则是干扰信号监测技术的一个重要环节.城市环境是导航干扰信号的多发区域,包括车载干扰信号、相邻频段通信信号的谐波信号、宽带噪声信号等,这些抑制型干扰信号会对卫星定位系统的正常运行产生巨大的影响.由于城市环境的复杂性,干扰信号在城市内的传播会受到建筑物的反射、衍射等效应的影响,这使得传统基于信号测向、信号到达时间等对干扰源进行定位的方法在城市环境中难以有效实现.此外,传统定位方法多基于专用的测向、时钟校准等设备实现,这使得监测网络建设成本较高,难以实现较大范围的广域干扰信号监测.针对传统干扰定位方法在城市环境中存在的缺陷,本文提出了一种新的干扰定位思路,基于模式识别技术实现城市环境中基于广域干扰监测网络的干扰监测与定位.选取监测节点的输出载噪比为特征向量,通过对监测范围内干扰源位于不同位置时监测节点输出载噪比的特征进行学习,实现对区域内新出现的干扰信号的检测与定位.文章设计实现了基于支持向量机的干扰检测与定位算法,并基于城市峡谷和住宅区两种典型城市场景构建了仿真的干扰监测网络,对算法性能进行了仿真分析.

摘要： 人体运动模式识别作为一种新兴的人机交互方式,已经被应用于健康监护、体育竞技、体感游戏、军事等众多领域.模式识别的基本思路：首先通过一个或者多个加速度传感器节点获取人体运动时产生的动作信号，然后对数据进行数据预处理、特征提取和选择，最后根据提取到的特征向量利用某种分类算法实现人体运动模式识别与分类。

摘要： 在电负荷运转过程中,待机损耗的控制和违规电器的排查是亟待解决的两个问题.本文简述了一种基于模式识别技术的电能管家系统,该系统可以通过定时和倒计时开关电源的功能缩短待机时间,从而降低待机损耗;通过功率特征分析识别负荷的种类及工作状态,方便违规电器的定位与排查,还可以实现远程控制和抑制电涌等功能.

摘要： 乡村是我国生态文明建设的重要载体.在中央提出乡村振兴战略的背景下,基于生态视角的乡村规划是生态文明建设的重要内容和本质要求.我国山地乡村生态环境脆弱,空间发展无序、布局分散,如何在空间上协调生态保护与村庄发展,成为山地乡村空间规划面临的重要问题.文章基于生态流域视角,立足田野调查,以湖北省长阳县流域为研究样本,总结山地乡村的生态流域空间特征,提出山地乡村空间发展单元与层次模式,并据此提出山地乡村"主流域廊道——小流域单元——主次多节点"的空间规划策略.

摘要： 本文研究了在快速定位缝洞单元的基础上,利用井震数据,对如何准确识别优质储层进一步研究,和大数据技术研究建立储层模型,发现优质储层规律,辅助定井位和优选.

摘要： 中国已步入高速老龄化社会,老人人口数量超2.3亿,空巢老人数量超1亿,慢病老人占比50％,而我国的主要养老方式为居家养老,约占90％,社区养老约占7％,机构养老仅占3％.如何更好的保障占大多数的居家养老人群,保障慢病老人和空巢老人群体的晚年生活健康正成为社会各界普遍关注的研究重点.近年来随着北斗卫星导航技术的不断成熟,定位精度的不断提高、相关设备成本的不断降低,越来越多的行业应用中加入了北斗元素.本文在这一研究背景下,重点围绕基于北斗定位的老年人摔倒检测产品的关键技术及算法展开研究介绍,针对目前市场上主流的产品形式,分别就其硬件、芯片组成进行系统分析,对比了当前主流产品的优劣势,同时也对两种产品形式下的市场主流芯片、模块产品进行了归类总结介绍,之后又对摔倒检测产品的核心检测算法进行了研究分析,列出了时下最常用的两种摔倒检测算法,即基于阈值的摔倒检测算法和基于模式识别的摔倒检测算法,并对两种算法的实现方式、算法原理及应用优势进行了分析介绍.通过文章中对北斗定位技术在智慧养老领域的应用研究以及重点针对老人摔倒检测技术的研究,对于促进北斗卫星定位技术在老年摔倒检测领域的应用具有重要指导意义.

摘要： 基于高功率微波的极高功率、极短脉宽的特点,高功率微波功率、频率和模式的测量不同于常规微波的测量,本文比较全面地介绍了已提出的各种高功率微波功率、频率和模式的测量方法,它们的特点和适用性,包括中国国内开展高功率微波研究的各单位采用的各种测量方法和本人在该领域的一些研究成果.由于高功率微波测量还存在不少有待进一步研究的问题,本文将为广大学者提供一个讨论基础.

摘要： 基于高功率微波的极高功率、极短脉宽的特点,高功率微波功率、频率和模式的测量不同于常规微波的测量,本文比较全面地介绍了已提出的各种高功率微波功率、频率和模式的测量方法,它们的特点和适用性,包括中国国内开展高功率微波研究的各单位采用的各种测量方法和本人在该领域的一些研究成果.由于高功率微波测量还存在不少有待进一步研究的问题,本文将为广大学者提供一个讨论基础.

摘要： 基于高功率微波的极高功率、极短脉宽的特点,高功率微波功率、频率和模式的测量不同于常规微波的测量,本文比较全面地介绍了已提出的各种高功率微波功率、频率和模式的测量方法,它们的特点和适用性,包括中国国内开展高功率微波研究的各单位采用的各种测量方法和本人在该领域的一些研究成果.由于高功率微波测量还存在不少有待进一步研究的问题,本文将为广大学者提供一个讨论基础.

摘要： 将被输入的信号分割成多个要素，将各要素转换成特征向量来生成特征向量的集合，使用识别字典来评价特征向量的集合。识别字典包括与各个类对应的模型，各模型具有与应被分类为对应于该模型的类的信号能取得的分割模式对应的子模型，子模型具有与用对应于该子模型的分割模式被分割出的各要素对应的状态，该状态是通过特征向量以及表示该状态的标签的函数来表现的状态。识别部将标签或者标签的集合作为识别结果输出，该标签表现具有与特征向量的集合符合的子模型的模型，该标签的集合表现具有与特征向量的集合符合的子模型的模型的集合。

摘要： 损失计算装置，针对每个类别计算特征向量的损失，特征向量对属于该类别的数据的特征加以指示。损失差计算装置，基于针对每个类别而计算的损失，来计算类别之间损失差的总和。识别字典创建装置，基于损失计算装置针对类别而计算的损失总和以及类别之间损失差的总和，来创建识别字典。识别字典创建装置基于输入特征向量来校正识别字典，以使损失计算装置针对类别而计算的损失总和与损失差计算装置计算的类别之间损失差的总和之和最小化，并且模式分类装置使用校正后的识别字典来对数据的模式进行分类。

摘要： 本发明实施例提供了控制图模式识别模型的训练方法及控制图模式识别方法，涉及质量状态监控技术领域。该训练方法包括：基于在预设的控制图正常模式和控制图异常模式下，对产品生产过程进行仿真的仿真结果，确定样本数据；利用预设时间序列模型Transformer对所述样本数据进行特征提取，得到预设的每种控制图模式的特征数据；利用每种控制图模式的特征数据对预设分类模型进行训练，并在预设损失函数最小时，停止训练，得到控制图模式识别模型。与现有技术相比，应用本发明实施例提供的方案，可以提高控制图模式识别的准确性。

摘要： 实施方式的模式识别装置，将所输入的信号变换为特征向量，并将该特征向量与识别词典进行比对，从而进行所输入的信号的模式识别。识别词典(10)具有表现特征向量的空间的部分空间即词典部分空间的词典部分空间基向量、和用于将根据特征向量和词典部分空间计算的类似度变换为似然度的多个概率化参数。模式识别装置具有识别部(3)，该识别部(3)通过特征向量和词典部分空间基向量的内积的值的二次多项式计算类似度，通过该类似度与概率化参数的线性和的指数函数计算似然度。识别词典(10)通过利用了多个概率化参数间的限制条件的期望最大化法来学习。

摘要： 一种能够提高误接受概率的计算精度、并能够确保稳定安全强度的模式识别系统、模式识别方法和模式识别程序。模式识别系统10和10a包括第一概率计算单元32和连接到第一概率计算单元32的第二概率计算单元33。第一概率计算单元32根据指示第一模式特征点s1至sn

摘要： 一种模式识别装置以及模式识别方法。本发明的实施方式涉及模式识别装置以及模式识别方法。实现高效地削减计算量。在实施方式的模式识别装置中，作为构成递归型神经网络的中间层的RNN层包括输入变换部和RNN处理部。RNN层的输入变换部针对每个阶段进行针对输入矢量和递归输入矢量的变换，计算比所述输入矢量的维数与所述递归输入矢量的维数之和小的维数的变换矢量并输出的步骤，其中该输入矢量由从所述输入层输出的特征矢量或者下位的所述RNN层所包括的所述RNN处理部的输出构成，该递归输入矢量由该RNN层所包括的所述RNN处理部的之前阶段的输出构成。RNN层的RNN处理部针对每个阶段根据由该RNN层所包括的输入变换部计算出的变换矢量计算RNN输出矢量并输出。

摘要： 本发明实施例提供了控制图模式识别模型的训练方法及控制图模式识别方法，涉及质量状态监控技术领域。该训练方法包括：基于在预设的控制图正常模式和控制图异常模式下，对产品生产过程进行仿真的仿真结果，确定样本数据；利用预设时间序列模型Transformer对所述样本数据进行特征提取，得到预设的每种控制图模式的特征数据；利用每种控制图模式的特征数据对预设分类模型进行训练，并在预设损失函数最小时，停止训练，得到控制图模式识别模型。与现有技术相比，应用本发明实施例提供的方案，可以提高控制图模式识别的准确性。

摘要： 本公开是关于一种口袋模式识别方法、口袋模式识别装置及存储介质。口袋模式识别方法应用于终端，口袋模式识别方法包括：监测终端的状态。响应于监测到终端的状态满足进入口袋模式的状态条件，触发终端进入口袋模式，满足进入口袋模式的状态条件至少包括终端处于非手持状态。通过本公开提供的口袋模式识别方法，能够在确定终端处于非手持状态下，确定终端的状态满足进入口袋模式，进而提高识别进入口袋模式的准确度，避免影响用户的正常使用。

摘要： 本发明涉及模式识别模型的构建方法和装置及模式识别方法。该构建方法包括：将给定训练集里的多个样本分为两组，多个样本中的每个样本具有各自对应的类；训练用于区分两组样本的二类分类器；重复上述步骤N次，得到N个二类分类器，N为任意正整数；以及将N个二类分类器进行组合来构建组合分类器用于模式识别。与传统方法相比，根据本发明的方法和装置构建的组合分类器能够在不降低性能的同时，大大缩短特征匹配时间。

摘要： 本发明涉及一种图像模式识别模拟与数字混合忆阻设备及制备，实现STDP学习规则和图像模式识别方法，包括底电极，顶电极，位于两电极之间的氧化钨薄膜组成的阻变功能层，该薄膜由磁控溅射生长；在小电压刺激下设备呈现模拟型阻变，在大电压下刺激下设备呈现数字型阻变，并且通过信号设计两种阻变行为都能实现STDP学习规则和图像模式识别。本发明实现STDP学习规则和图像模式识别方法，通过电压调整界面电阻和体电阻，在单个Au/WOx/Ti忆阻设备件中演示了模拟与数字阻变行为，并且在该忆阻系统中实现可调节的学习精度和速度模拟模式识别。