模式识别技术

摘要： 以太网安全是当前人们关注的焦点,而以太网异常状态监测是其中最为关键的技术,当前以太网异常状态监测方法存在误差大,实时性差等缺陷。为了获得更优的以太网异常状态监测结果,提出基于网络流量数据的以太网异常状态监测方法。首先对以太网异常状态监测研究进展进行了调研,找到各种以太网异常状态监测方法存在的缺陷;然后采集以太网流量数据,将以太网异常状态监测看作是二分类问题,通过引入最小二乘支持向量机对以太网流量数据进行建模和分析,识别以太网异常状态,从而实现以太网异常状态监测,最后进行了以太网异常状态监测的仿真测试。测试结果表明,这种方法的以太网异常状态监测精度超过95%,远远高于当前其它方法的以太网异常状态监测精度,可以准确描述以太网状态变化特点。因此提出的方法对以太网异常状态监测效率高,可以对以太网异常状态进行实时辨识,可以有效保护以太网安全。

摘要： 从数百万年的第一次仰望星空开始,人类对科技的探索永不止步,技术不断推动人类文明的进步。人工智能技术在在教育行业中,它不但改进了教学方式,而且给教育带来了全新的技术支持。在助力创新型人才的培育中,人工智能技术逐渐融入智慧课堂中,深度学习借助智慧学习环境,促进高技能人才的培育。人工智能技术下的智慧课堂是集成了各种交互式技术、数据分析技术、模式识别技术、情感感知技术、及智能网络平台等信息化手段的设备。

摘要： 随着科学技术不断地向前发展,模式识别技术在现代科学技术的众多领域特别是人工智能方向得到了非常广泛的应用,它提高了信息识别和处理的速度,解决了人工智能领域中机器学习的最大难题。而智能厨房作为人工智能的一个重要分支,成了许多学者的研究方向。文章主要对模式识别技术在智能厨房中的各种应用进行探讨,并基于在智能厨房中可以应用的场景,探究智能厨房的技术发展方向,最终为成熟的智能厨房设计案例提供思路。

摘要： 财务风险识别的研究具有十分重要的意义,针对当前财务风险识别方法存在误差大、效率低等弊端,以提高财务风险识别正确率为目标,提出了模式识别技术的财务风险识别方法.对当前各种财务风险识别方法进行分析,找到引起财务风险识别效果不理想的原因,引入模式识别技术中的在线极限学习机描述财务风险变化特点,并建立财务风险识别模型,采用具体实例与其他财务风险识别方法进行了对比实验.结果表明,文中方法减少了财务风险出现误识的概率,财务风险识别正确率得到了明显的改善,财务风险识别速度加快,具有较明显的优势.

摘要： 伴随计算机和人工智能技术的发展,衍生出来的视觉与模式识别技术也开始在相关领域发挥作用。在农业生产中,通过应用计算机技术一方面可以更加清楚地了解当前生产过程中存在的问题,另一方面也能帮助农民做到科学培育,及时采取措施提升产量与质量,促进我国农业的发展。基于此,文将重点阐述农业生产中计算机视觉与模式识别技术的应用。

摘要： 最近这些年中,伴随着电力工程的持续发展,电气设备故障诊断方面已经成为了当今社会中钻研的重点.一旦电气设备发生了故障,电子设备就没有办法进行正常的运转.所以在对电气设备故障诊断和识别技术这方面一定要仔细的进行检查.相关人员可以根据运行参数的变化去判断其中发生的故障,对此,该文也对这方面进行了有关的分析,并对电气设备故障中的诊断原理进行了探讨,希望通过本文的内容加强电气设备的运行状态.

摘要： 模式识别是智慧城市建设的重要内容,实现其应用技术的高效化发展,不仅有助于智慧城市的深层次建设,更对人们城市生活的安全性具有重大影响。本文在阐述模式识别基本原理的基础上,就其目标检测和软件算法分析的技术进行系统分析,本文针对性地指出其在智慧城市安防建设中的具体应用内容。以期有利于模式识别技术应用水平的提升,进而推动智慧城市的进一步发展。

摘要： 地铁车辆在运行过程中产生的疲劳缺陷、变形、异物掉落、部件缺失等车体异常状况的检查,现阶段主要检查方式为人工目视.这种检查方式受人员检查水平、检测手段、段场股道空间等条件限制,检查效果、效率均有待提高.基于模式识别技术的地铁车辆图像检测系统,采用隐式形状模型算法(ISM),HTM神经网络算法及支持向量机算法(SVM),实现地铁车辆各关键部件异常的图像自动识别,并研究出一套适用于地铁车辆的车体外观自动化检测系统,为车辆的自动化检查奠定基础.

摘要： 模式识别技术是当前最为常用的一种人工智能技术,当前模式识别技术在生物医学工程中得到了非常广泛的应用,并且有效促进了生物医学工程学科教育的进一步发展。本文对模式识别技术进行了简单的介绍,之后具体分析了模式识别技术在生物医学工程专业中的应用情况,希望有助于进一步推动模式识别技术在生物医学工程专业教育领域的应用,并以此来促进生物医学工程专业领域的发展。

摘要： 本文针对复合绝缘子表面状态变化(憎水性降低或污秽度变化)的识别问题,研究了基于复合绝缘子表面泄漏电流多种特征量的聚类分析模式识别技术,结果表明:提取表征绝缘子表面放电的16个参量,采用聚类分析算法,可以有效地识别引起放电的表面状态变化原因.并最终通过建立复合绝缘子表面放电模式谱图,识别复合绝缘子憎水性能的下降和污秽度的变化.

摘要： 光伏发电功率预测对电力系统的交易计划和可靠运行起着非常重要的作用。文中提出了一种基于模式识别技术预测太阳辐射强度的方法。在此基础上，采用BP神经网络方法建立了光伏发电功率预测模型，实现了对光伏电站超短期输出功率的预测。以石家庄某光伏电站的数据为例，对上述方法进行验证，结果表明该方法具有一定的实用性。

摘要： 随着当今印制电路行业的飞速发展,数控钻孔的直径越来越小,断钻发生的可能性也随之增大。为了保证钻削过程的正常进行,断钻预警系统的研发显得尤为重要,本文即对断钻预警系统的几个关键技术问题进行探讨。在给出了断钻预警系统框架的基础上,详细阐述了监测信号的选取和主流的模式识别技术,指出了断钻预警系统的研发方向。

摘要： 煤矸石是影响煤炭质量的重要因素,传统的煤矸石分选方法采用人工分选,生产效率低,劳动强度大.本文论述了采用模式识别技术进行煤矸石在线识别与分选的原理,介绍了系统的构成和图像处理的方法.

摘要： 浮法玻璃熔化生产工艺过程对玻璃产品质量有着直接的影响,而玻璃条纹图像是玻璃工艺过程各个环节的综合体现.因此,条纹图像不仅能够体现出玻璃的质量好坏,更重要的是通过对玻璃条纹图像特征信息的分析,还能够获得玻璃生产工艺过程中的具体问题.本文讨论了对玻璃条纹图像进行系统分类的分析方法,利用图像处理、模式识别的技术,将条纹图像特征与生产工艺环节建立起联系,对于快速判断质量问题的来源,指导浮法玻璃稳定生产具有重要的意义.

摘要： 浮法玻璃熔化生产工艺过程对玻璃产品质量有着直接的影响,而玻璃条纹图像是玻璃工艺过程各个环节的综合体现.因此,条纹图像不仅能够体现出玻璃的质量好坏,更重要的是通过对玻璃条纹图像特征信息的分析,还能够获得玻璃生产工艺过程中的具体问题.本文讨论了对玻璃条纹图像进行系统分类的分析方法,利用图像处理、模式识别的技术,将条纹图像特征与生产工艺环节建立起联系,对于快速判断质量问题的来源,指导浮法玻璃稳定生产具有重要的意义.

摘要： 浮法玻璃熔化生产工艺过程对玻璃产品质量有着直接的影响,而玻璃条纹图像是玻璃工艺过程各个环节的综合体现.因此,条纹图像不仅能够体现出玻璃的质量好坏,更重要的是通过对玻璃条纹图像特征信息的分析,还能够获得玻璃生产工艺过程中的具体问题.本文讨论了对玻璃条纹图像进行系统分类的分析方法,利用图像处理、模式识别的技术,将条纹图像特征与生产工艺环节建立起联系,对于快速判断质量问题的来源,指导浮法玻璃稳定生产具有重要的意义.

摘要： 浮法玻璃熔化生产工艺过程对玻璃产品质量有着直接的影响,而玻璃条纹图像是玻璃工艺过程各个环节的综合体现.因此,条纹图像不仅能够体现出玻璃的质量好坏,更重要的是通过对玻璃条纹图像特征信息的分析,还能够获得玻璃生产工艺过程中的具体问题.本文讨论了对玻璃条纹图像进行系统分类的分析方法,利用图像处理、模式识别的技术,将条纹图像特征与生产工艺环节建立起联系,对于快速判断质量问题的来源,指导浮法玻璃稳定生产具有重要的意义.

摘要： 浮法玻璃熔化生产工艺过程对玻璃产品质量有着直接的影响,而玻璃条纹图像是玻璃工艺过程各个环节的综合体现.因此,条纹图像不仅能够体现出玻璃的质量好坏,更重要的是通过对玻璃条纹图像特征信息的分析,还能够获得玻璃生产工艺过程中的具体问题.本文讨论了对玻璃条纹图像进行系统分类的分析方法,利用图像处理、模式识别的技术,将条纹图像特征与生产工艺环节建立起联系,对于快速判断质量问题的来源,指导浮法玻璃稳定生产具有重要的意义.

摘要： 针对控制图模式识别，提出将控制图判别准则转换为符号化模糊规则，指导模糊神经网络的建模及初始化过程。建立一类融合先验知识的模糊神经网络，给出网络结构设计方法和网络学习算法，对于青霉素发酵过程进行实例研究。研究结果表明:所提出方法的模糊神经网络比传统方法的BP神经网络具有更简单的网络结构、更合理的参数初值，能够获得更准确的控制图模式识别率，具有广阔的应用前景。

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： 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： 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： 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： 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。