关键词： 脉冲重复间隔调制   数据补全   模式识别   GAIN-LSTM  

摘要： 开展脉冲重复间隔(Pulse Repetition Interval,PRI)模式识别工作是电子支援系统的一项重要任务。现代复杂电磁环境下,受雷达辐射源部署和接收设备本身影响,雷达脉冲丢失率极高,导致分选后PRI序列调制规律被破坏,现有的PRI模式识别方法准确率不足。针对上述问题,从PRI序列还原角度出发,并结合PRI序列本质是时序序列的特点,提出GAIN-LSTM(Generative Adversarial Imputation Nets and Long Short Term Memory)网络架构,其先对丢失脉冲位置进行补全操作,恢复PRI调制规律,然后对还原后PRI序列进行调制模式识别。仿真结果表明,提出的GAIN-LSTM网络架构在脉冲丢失率70%时仍保持95%的正确识别率。

关键词： 集合经验模态分解   奇异值熵   评价指标   局部放电   模式识别  

摘要： 针对气体绝缘组合电器(GIS)局部放电故障信号非平稳性和放电类型识别准确率低的问题,提出了一种基于集合经验模态分解(EEMD)奇异值熵的局部放电模式识别算法。首先对局部放电原始信号进行EEMD分解,得到多个固有模态分量(IMF),根据均方差、峭度和欧氏距离评价指标选取隐含放电信息居多的最优模态分量进行信号重构;然后对重构信号进行奇异值分解,结合信息熵算法计算出奇异值熵;最后,根据奇异值熵大小区分出GIS局部放电的类型。实验结果表明,通过与传统的EMD奇异值熵和VMD奇异值熵算法对比,该方法可以有效地通过各自不同区间的奇异熵值进行识别放电类型。

关键词： 图像识别   模式识别   小波变换   印章印文检验  

摘要： 本文指出计算机模式识别已成为图像识别领域的研究热点之一,其中小波变换的应用效果显得尤为突出。本文主要探究了小波变换在印章印文检验中的应用价值,从印文的宏观、中观、微观三个层次对印章印文形成方式和种类开展了研究,实验结果表明:该方法在印章印文鉴定中具有一定的价值,可以作为辅助鉴定工具,以提升鉴定意见的准确率和效率。

关键词： 对向传播神经网络   酚类化合物   毒性   模式识别  

摘要： 介绍了对向传播神经网络的原理、算法。以酚类化合物的8个结构特征参数为输入,用对向传播神经网络对酚类化合物的毒性进行模式分类识别。结果表明,对向传播神经网络具有较强的模型拟合能力和泛化能力。网络对36个训练样本和8个预测样本的毒性类型都能进行准确识别,是一种有效的模式分类识别方法。

关键词： 大数据技术   新能源汽车   智能交通   模式识别   5G技术与泛在网络  

摘要： 大数据、物联网和人工智能等技术的应用,为现代技术的发展注入了新的活力,促进社会稳定发展。通过收集和监测新能源汽车的运营情况,探索基于大数据技术的城市智能交通发展,从而为国家战略、新能源汽车产业发展趋势作出科学的判断,对促进新能源汽车产业长期稳步发展具有重大的作用。

关键词： 运动想象   模式识别   循环神经网络   卷积神经网络  

摘要： 脑机接口技术可以帮助运动障碍人员通过外部设备与环境进行交互。为了提高对运动想象激发的脑电信号的识别率,提出一种基于卷积神经网络(Convolutional Neural Network, CNN)和循环神经网络(Recurrent Neural Network, RNN)的混合神经网络模式识别方法,并在实际计算中使用长短期记忆神经网络(Long Short-Term Memory, LSTM)和门控循环单元(Gated Recurrent Unit, GRU)两种不同的RNN进行对比。对原始脑电信号数据进行滤波和分段处理,将处理好的数据输入到混合神经网络中,使用Softmax进行分类,用BCI竞赛IV中的数据集2a和数据集1两种脑电数据集进行验证,此方法能够有效地提高模式识别精度,平均准确率达到了95%以上。

关键词： 图片模糊集   线性规划   减法算子   除法算子   模式识别  

摘要： 针对图片模糊环境下完备的减法和除法问题,构造加法和乘法的方程,定义了图片模糊数(picture fuzzy numbers,PFNs)的减法和除法运算。基于距离最近导出各种情形下方程的最优解,得出更加完备的PFNs的减法和除法运算法则。分析了2种PFNs算子及与加法、乘法混合运算的相关性质。将改进的两种算子以逐点的方式拓展到图片模糊集上,讨论了基本性质。通过算例分析验证该算子的适用性和可行性。

关键词： 桔梗   无机元素   模式识别   产地溯源  

摘要： 为比较四川梓潼(SCZT)、云南玉龙(YNYL)、安徽太和(AHTH)、湖北英山(HBYS)、河南桐柏(HNTB)无机元素含量差异，结合计量学方法，探讨桔梗产地溯源应用的可行性，为桔梗产地溯源提供新方法。利用电感耦合等离子体质谱法(ICP-MS)和电感耦合等离子体原子发射光谱法(ICP-AES)测定四川、云南、安徽、湖北、河南5个主产区共75份桔梗样品中K、P、Fe、Mn、B等37种元素的含量，通过主成分分析对5大产区桔梗进行聚类，运用KNN、Bayes、SVM-ga、BP-NN、LS-SVM、SVM-grid算法，建立桔梗产地溯源模型。结果表明：五大产区桔梗中无机元素含量差异显著(P<0.05)，其中Sb、Sn、Ge、Nb、Ag 5种元素，在不同产区间差异最为明显；由主成分分析发现不同产地桔梗样品分布集中且相对独立，SVM-grid桔梗溯源模型能够100%将五大产区桔梗进行区分；Sb、Sn、Ge、Nb、Ag 5种元素含量分布具有明显的地域特征。以无机元素结合计量学方法可以对桔梗进行有效的产区判别，且准确率高，是产地溯源的有效方法。

关键词： 局部放电   深度学习   模式识别   非典型特征   Swin Transformer   PRPS  

摘要： 随着深度学习算法在局部放电模式识别领域的广泛应用，其很大程度上弥补了传统方法实行困难、效率低下的缺点。但由于实际现场局部放电机理复杂且情况多变，且可供训练的缺陷放电数据稀缺，大部分深度学习算法仍旧难以在实际使用中取得理想的识别准确率。本文通过分析实际测得的局部放电PRPS图谱特征上存在的问题，对比前者和局部放电缺陷实验模型上测得的PRPS图谱特征之间的差异，发现实际测得的现场数据具有更多的非典型特征，于是针对其提出一种基于Swin Transformer网络的局部放电识别方法，测试了网络在前述两种来源数据上的识别准确率，并与传统神经网络进行了对比。最终结果表明：Swin Transformer网络可以在实际现场数据分类上取得93.3%的识别准确率，与传统方法相比，其识别准确率更高，且适用于现场缺乏局部放电样本的情形，更适合实际条件下使用。

关键词： 到课率统计   机器学习   模式识别   拥挤人群计数   头部检测  

摘要： 到课率作为宏观教学管理数据,对高校教学管理具有重要作用。虽然近年来出现了一些课率统计的数字化方法,解决了传统到课率统计费时、费力、滞后等问题,但由于成本高、使用不方便、准确率不高等原因,导致其无法推广。随着技术的发展,深度学习在多目标检测中的准确率越来越高,有助于解决此类问题。为此,文章利用深度学习技术,设计了一种基于教室摄像头RTSP视频流的到课学生头部识别的模型1MB-Plus,并将其应用于某高校的一百余间教室的到课率统计中,取得了97.3%的准确率。研究表明,该模型有助于解决到课率统计存在的问题。文章通过研究,旨在以最小的成本为高校教务管理部门提供较为准确的宏观到课率数据,辅助学校的教学管理工作。