关键词： 拓扑分解模型   模式识别   空间一致性   实体   地类图斑  

摘要： 针对数据融合和综合过程中出现的空间不一致性问题,提出了一种基于拓扑分解模型的面状数据空间一致性检测及处理方法:①该模型将矢量数据看作具有语义信息的弧段集,根据空间关系识别弧段对的方式检测空间不一致问题;②在模型应用过程中,使用权重法或拟合法来处理空间不一致性;③经北京市中心城区房屋实体数据、地类图斑数据验证,在数据重构后,房屋实体的空间不一致问题修复率达到98.06%,地类图斑间、地类图斑与线状河流间的空间不一致问题修复率分别达到93.75%、95.74%。试验结果表明,该方法为空间一致性检测及处理提供了一种有效的思路。

关键词： 统计过程控制(SPC)   随机森林   离合器   模式识别   机器学习  

摘要： 传统控制图作为统计过程控制(statistical process control,SPC)的核心工具,对影响制造过程的系统性因素识别效率较低。文章针对传统控制图对系统性因素识别不充分的问题,提出基于随机森林的控制图模式识别模型,利用网格搜索法进行参数优化,建立基于随机森林算法流程和控制图模式识别模型以识别影响过程失控的系统性因素;以汽车离合器为例,将基于随机森林的模式识别算法应用到离合器制造过程中,并与支持向量机(support vector machine,SVM)、逻辑回归(logistic regression,LR)等机器学习算法相比较,结果验证了随机森林模型对控制图模式识别的可行性和有效性。

关键词： 智慧工地   施工管理信息化   视频监控   模式识别  

摘要： 阐述智慧工地的系统管理技术,包括智能视频监控、模式识别、虚拟现实技术的应用,分析建筑工程中的安全管理状况,智慧工地中的安全管理系统应用。

关键词： 人参   人参芦   人参皂苷类   高效薄层色谱   HPLC指纹图谱   模式识别  

摘要： 目的对人参根茎(芦头)、主根的色谱指纹图谱进行比较分析,检视其化学成分整体一致性,为人参是否去芦头炮制提供依据。方法采用高效薄层色谱(HPTLC)比较人参不同部位样品的色谱一致性;运用HPLC测定人参不同部位的指纹图谱,并结合对照品进行共有峰鉴定及相似度分析;采用主成分分析和正交偏最小二乘判别分析(OPLS-DA)进行差异性分析。结果HPTLC图谱中,人参芦头、主根及全参特征图谱相似,并且有较清晰的共有条斑7~9个。HPLC指纹图谱显示,人参芦头、主根及全参的色谱图有13个共有峰,鉴定了6个峰,包括7个人参皂苷,分别为人参皂苷Rg1&Re(混合峰)、Rf、Rb1、Rc、Ro、Rd;各样品相似度范围为0.842~0.993;各峰面积的差异综合贡献了样品间的相似度差异,其中芦头为主要影响;人参皂苷Ro、Rb1等6个成分为差异标志物,在人参芦头中相对含量显著高于主根。结论人参芦头与主根和全参化学成分类型一致,人参炮制去芦头将导致人参整体有效成分人参皂苷损失。结合资源、人力成本方面考虑,建议人参炮制时无须去芦,以全参入药。

关键词： 电缆终端   局部放电   模式识别   Vision Transformer   数据训练  

摘要： 电缆终端缺陷类型一般与局部放电信号特征密切相关,因此可以通过对局部放电信号进行模式识别来实现缺陷分类。对15 kV XLPE电缆终端4种典型缺陷的放电脉冲波形和时频谱图特征进行分析处理,得到可用于识别的数据样本,然后分别采用Vision Transformer模型、LeNet5、AlexNet和支持向量机对数据进行训练,对比不同算法的识别准确率。结果显示在数据充足的情况下,Vision Transformer模型的识别精度高于其他识别算法。所提方法及结论可为电缆附件的绝缘评估提供可靠依据,具有一定的指导意义。

关键词： 局部放电   超声信号   广义S变换   卷积神经网络   模式识别  

摘要： 超声法是局部放电测量的重要方法。为更有效提取局部放电超声信号中的关键信息,提出一种基于广义S变换和二维卷积神经网络的油纸绝缘局部放电超声信号识别方法。首先,在实验室采集3种典型缺陷的局部放电超声信号,对预处理后的数据进行广义S变换,获得不同放电样本的时频分布图像;然后,构建二维卷积神经网络,将时频图像作为输入,提取超声信号的时频特征;最后,输出对局部放电类型的识别结果。结果表明:该方法对不同局部放电类型的超声信号进行识别,准确率可以达到97.8%,能够更有效地提取超声信号的内在信息并进行局部放电识别。

关键词： 人工智能   自然语言处理   机器学习   模式识别   北京邮电大学   国家自然科学基金   国家级项目   数据科学  

摘要： 陈光1978年6月出生,北京邮电大学人工智能学院副教授,主要研究方向是模式识别与机器学习,目前主要研究自然语言处理,在国际高水平期刊和学术会议发表论文数十篇,主持和参与多项国家自然科学基金、重点研发计划等国家级项目。其创办的微博账号“爱可可-爱生活”,聚焦人工智能主题,以专业的学术品味、广阔的领域视野、敏锐的业界观察、丰富优质的资源推荐,为广大人工智能、机器学习和数据科学爱好者所熟悉和喜爱。

关键词： 深度学习   模式识别   长短时记忆网络(LSTM)   脉冲神经网络(SNN)   手语识别  

摘要： 手语识别是人机交互领域中的重要问题之一。随着人工智能技术的发展,越来越多的机器学习和深度学习方法被应用在手语识别任务上。文章设计一种轻量级的长短时记忆脉冲神经网络(long short-term memory-spiking neural network,LSTM-SNN)手语识别模型用于识别常用手语。首先提出自适应脉冲编码,将手语信号转化为脉冲信号;接着将脉冲信号输入到改进的带泄漏整合发放(leaky integrate-and-fire,LIF)神经元模型,以时间驱动的方式进行信息传导,完成网络训练。在收集到的101个手语手势数据集上的实验结果表明,该模型准确率达到95.37%,表明该文提出的模型优于其他深度学习和机器学习模型。

关键词： 补骨脂   盐制工艺   熵权TOPSIS法   模式识别  

摘要： 目的优选盐补骨脂不同盐制工艺,比较不同盐制品的差异。方法建立补骨脂超高效液相色谱(UPLC)特征图谱,采用综合评分法,以补骨脂素和异补骨脂素总含量、特征图谱峰面积为评价指标,优选"盐炙""盐蒸""盐喷""盐微波"4种不同炮制工艺;采用熵权TOPSIS法及聚类分析、主成分分析等化学模式识别方法比较不同补骨脂盐制品的质量差异。结果优选的盐补骨脂"盐炙"工艺为170℃炒制13 min,"盐蒸"工艺为蒸制1 h,"盐喷"工艺为110℃炒制13 min,"盐微波"工艺为微波加热105 s。熵权TOPSIS综合评价结果表明,不同补骨脂盐制品质量排序为盐炙品>青盐炙品>盐喷品>盐微波品>盐蒸品;聚类分析结果表明,不同补骨脂盐制品可聚为2类,其中盐炙品与青盐炙品聚为一类;盐喷品、盐蒸品和盐微波品聚为另一类;主成分分析结果表明,不同补骨脂盐制品可聚为4类,其中盐炙品、青盐炙品、盐喷品分别单独聚为一类,盐微波品与盐蒸品聚为同一类。结论不同盐制方法炮制的盐补骨脂化学成分存在差异,研究结果可为盐补骨脂的炮制工艺优化和不同盐制品识别提供参考。

关键词： 燃气轮机   模式识别   深度学习   条件对抗域自适应   跨工况   气路故障诊断  

摘要： 近年来,基于模式识别的方法已大量应用于燃气轮机气路故障诊断,并取得一定效果。然而其故障识别准确率常局限于单一工况。为解决基于模式识别的气路故障诊断方案在多种工况下的故障识别准确率低下的问题,该文建立基于深度学习和条件对抗域自适应的模型,用于提取跨工况不变特征,进而提升模型对工况差异干扰的抗性,并保障模型在多种工况下的气路故障识别准确率。此外,该文设计多种跨工况故障诊断任务来验证所提出方案的有效性。