指纹与静脉复合识别系统的图像采集

随着生物识别技术的日益发展,采用多种识别技术的复合来提高识别的可靠性,降低误识率已成为目前的主要研究方向。本文主要从图像采集系统的光路出发,提出了一种将指纹采集仪和手指静脉采集仪复合的方案。利用该方案,可同时采集指纹与手指静脉末梢的图像,提高了系统识别的可靠性,并降低了成本,减小了系统的体积。

激光焊熔透特征混沌信号解析与多维复合识别研究

激光焊接时光感检测信号具有混合信息数量多、时域及频域变化复杂、信号随机波动剧烈等明显的混沌信号特征,常规检测手段对激光焊接熔透特征信息难以有效分离。在激光焊接熔透特征信号同轴增效提取技术基础上,针对光谱透视成像中提取出的复杂混合信号的分布特征,提出一种大功率固体激光焊熔透特征混沌信号解析方法。具体通过统计方法提取混沌检测信号的各瞬态概率密度函数,然后动态形成一系列具有趋势性特征的简化图形模式,并根据图形的多项形貌特征与熔透行为建立复合关联识别。文中重点介绍了基值、离散度和畸变率3种特征参数的定义及数学模型,这些特征参数不但可以对特征模型的重心位置、离散情况和单向畸变情况进行准确描述,而且通过实验方法还充分验证了不同特征参数与激光焊接熔透状态的关联特性。如基值特征参数在焊缝熔透程度较大时具有明显的识别效果,但是熔透程度较小时其波动幅值较大;而离散度特征参数只对较小熔透状态测试敏感,可以对基值进行有效补充,但是对较大熔透状态的识别存在不足;畸变率特征参数虽然在适度熔透附近时数值波动剧烈,但是对于焊缝熔透程度较小或较大时都能通过畸变率数值关系对熔透程度进行较好关联识别,有效弥补了基值和离散度的检测盲区。因此,基值、离散度及畸变率特征参数间具有相互补充、相互验证关系,通过它们的特征曲线进行复合识别可以对激光焊接熔透状态实现较好的定性及定量检测。实验结果表明,混沌信号解析方法结合激光焊接熔透特征信号同轴增效提取技术后,可实现光谱学、光学、统计学、抽象化解析等的多维复合识别效果,可有效增强大功率固体激光焊的熔透检测能力,实现可靠熔透在线识别。

小样本下雷达复合干扰半监督迁移学习识别方法

针对雷达复合干扰信号种类越来越多以及训练样本过少难以令深度学习模型达到最优状态的问题,提出一种在小样本下雷达复合干扰半监督迁移学习识别的方法,通过未带标签样本来解决标签样本难以获取而导致网络训练精度不高的问题,将在单一干扰数据集预训练后得到的特征提取器和分类器迁移到小规模复合干扰数据集上,并利用权重印记和半监督学习对模型进行微调,通过所提出的最近邻相关性损失(nearest neighbor correlation loss,NNCL)来优化模型参数。实验结果表明,在干噪比为10 dB、新类复合干扰信号带标签样本仅有5个时,模型可达93.20%的识别准确率。

基于复合信号的挖掘机工作状态智能识别方法

针对液压挖掘机作业循环状态直接识别准确率较低的问题,提出了一种基于复合信号、支持向量机(SVM)的挖掘机工作状态智能识别方法。首先,对液压挖掘机循环作业各个工作阶段进行了划分,以各个工作阶段开始或结束波形作为分段标志,对循环作业数据进行了分段标志提取;然后,对各个提取的分段标志进行了数据预处理,采用支持向量机库(LIBSVM)多分类方法,基于主泵压力与先导压力复合信号,建立了液压挖掘机工作状态识别模型,设定了分类可信度阈值;最后,引入了智能校验系统,对工作状态直接识别结果进行了矫正,完成了挖掘机运行工作状态识别的目标。研究结果表明:相较于主泵压力识别方法,采用复合信号识别方法,挖掘机工作状态的直接识别准确率由54%提升至了78%,最终识别准确率在95%以上;复合信号识别方法能够用于有效识别液压挖掘机各工作阶段,对解决液压挖掘机作业循环状态直接识别准确率低的问题有明显效果。

基于S变换和IWOA-SVM的复合电能质量扰动识别

针对目前复合电能质量扰动(PQD)信号特征冗余,分类识别准确率低的问题,提出了一种基于S变换和改进鲸鱼算法支持向量机(IWOA-SVM)的复合电能质量扰动识别方法。首先,利用S变换对7种单一电能质量扰动和生成的13种复合扰动信号进行时频分析,使复杂扰动信号的特征得以凸显。设计特征提取方法,从实频矩阵中尽可能地获取便于分类的信号特征信息;其次,引入自适应权重因子和随机差分变异策略对WOA进行优化,提升其搜索能力;最后建立IWOA-SVM分类预测模型,优化SVM高斯核函数参数,以获得更好的鲁棒性和泛化能力,对提取的特征样本进行自动分类和识别。实验结果表明,所提方法分类识别准确率高,能有效识别多种复合PQD信号,有助于评估与治理电能质量问题。

基于BP-ELM算法的旋转设备复合故障诊断方法

电力和工业领域存在大量旋转设备,这些设备在运行过程中有时会出现多种故障同时发生的情况,即复合故障。复合故障由于不同故障的现象特征相互叠加干扰,较难准确地区分和识别同时发生的故障组成。因此,本文提出一种基于BP-ELM算法的复合故障的智能识别方法,以提升复合故障情况的识别准确率。本文以某电厂大型离心风机的真实数据为例,验证了该算法相较于传统的BP神经网络,能做到快速、准确地识别出复合故障中同时发生的不同故障,从而协助诊断工程师进行故障决策,辅助设备日常维护工作。

黄土高原小流域泥沙来源的复合指纹识别法分析

流域泥沙来源分析对流域治理及水土保持措施评价有重要意义。通过在陕北选定的汇水区内采集的主沟道沟壁、坡地果园、坡耕地及支沟道土壤样品中17种物质的分析,利用Kruskal-WallisH-test和多元判别分析,筛选出土壤全N,低频磁化率χIf、Cu、137Cs和226Ra组成复合指纹识别因子,利用混合模型,对一次洪水携带的泥沙来自4种源地的贡献比进行了动态分析,结果表明:洪水发生时间段内,主沟道发生了重力侵蚀,对今后定量化研究黄土区的重力侵蚀提供了手段。通过加权平均,总体上,本次洪水携带的总泥沙有33.7%来自主沟道,60.0%来自坡地果园,3.0%来自小块的坡耕地以及3.3%来自支沟道。混合模型拟合优度检测值为0.91,证明在黄土高原可以应用复合指纹识别方法研究洪水泥沙来源,并且能对重力侵蚀产沙进行定量分析。

基于加权网络和局部适应度的蛋白质复合物识别算法

通常在蛋白质网络中挖掘稠密子图或模块来识别其中的蛋白质复合物,限制了其应用范围和识别的准确性。针对该问题,提出了一种基于加权网络和局部适应度的蛋白质复合物识别算法。该算法综合稠密子图的密度指标和模块性定义了新的局部适应度函数,并基于边聚集系数构建加权的蛋白质网络,根据权值选择边,在加权蛋白质网络中将种子边不断聚类扩展,挖掘综合适应度最大的子图,从而识别出蛋白质复合物。在多个真实蛋白质网络中的实验表明,该算法能够有效提升蛋白质复合物识别的准确性。

基于复合反演算法的结构损伤识别及地震动反演研究

针对输入激励信息未知、输出响应信息非完备的情况,进行了结构损伤识别算法研究。基于物理参数时域识别的复合反演算法,定义单元刚度参数变化率为损伤因子,并引入矩形窗方法剔除噪声异常数据,给出了时域内结构损伤识别复合反演算法(损伤识别和地震动反演)。以一个5层框架结构为例进行了数值仿真识别损伤,针对矩形窗长度、噪声水平不同等情况对比了识别结果(损伤识别精度、损伤位置确定)和收敛速度,并比较了反演的地震动与真实地震动时程曲线。研究表明,所提基于复合反演算法建立的结构损伤识别复合反演算法是非常有效的。

起始识别复合物在细胞周期中作用的研究进展

探讨起始识别复合物(ORC)在细胞周期中的作用,以确定ORC与细胞周期的关系。当前ORC对细胞周期的研究仍然很少。作者就ORC在细胞周期中的作用作一综述。

雷帕霉素对大鼠血管平滑肌细胞起始识别复合物1 mRNA表达的影响

目的观察血管平滑肌细胞(VSMC)起始识别复合物1(ORC1)mRNA在雷帕霉素作用下的表达变化。方法采用组织块贴壁法获得VSMC并用免疫细胞化学法鉴定,含体积分数10%血清的培养基培养。血清饥饿法饥饿细胞24 h使其同步化。将雷帕霉素加入含体积分数10%血清的培养基(终浓度为10 nmol.L-1)中继续培养细胞,分别于0 h、3 h、6 h、9 h、12 h、15 h、18 h、21 h、24 h收集细胞,采用反转录-聚合酶链反应技术法检测各时间点ORC1 mRNA的表达(内参为β-actin)。用Quantity One软件计算各时间点ORC1 mRNA与内参的光密度比值,并作统计学分析。结果各时间点ORC1与β-actin光密度比值均有显著性差异(F=410.170,P=0.001)。雷帕霉素作用3～12 h ORC1 mRNA的表达持续升高(与0 h比较,P<0.05),12～18 h逐渐下降(与0 h比较,P依次为0.001,0.001,1.000),18～24 h与0 h比较,无统计学差异(P依次为1.000,0.986,1.000)。结论VSMC的ORC1 mRNA表达随雷帕霉素作用时间呈动态变化。

西罗莫司对大鼠血管平滑肌细胞增殖、起始识别复合物1表达的影响及机制探讨

目的探讨西罗莫司对体外培养的大鼠血管平滑肌细胞(VSMCs)增殖、起始识别复合物1(ORC1)表达的影响及机制。方法细胞随机分为对照组和实验组,每组3瓶/孔,血清饥饿法培养细胞24h使其同步化。对照组采用含10%胎牛血清的DMEM培养液培养,实验组采用含10μmol/L西罗莫司+10%胎牛血清的DMEM培养液培养。继续培养0～48h,采用免疫细胞化学法检测增殖细胞核抗原(PCNA)表达,电子显微镜观察细胞超微结构,RT-PCR法检测ORC1mRNA的表达,蛋白质印迹法检测P53、cyclin D1、cyclin A和ORC1蛋白的表达。结果与对照组相比,实验组48hPCNA阳性表达率降低[(20±2.1)%vs(80±3.0)%,P<0.05],P53蛋白表达升高(P<0.05);细胞核有固缩的迹象;实验组cyclin D1蛋白表达轻微升高(P>0.05),48hcyclin A蛋白的表达下降(P<0.05)。对照组ORC1mRNA的表达在0～12h升高,24～48h降低,高峰期在12h。实验组细胞ORC1mRNA的表达始终处于高水平。与同时间对照组比较,实验组48hORC1mRNA的表达升高(P<0.05)。蛋白质印迹分析结果与之相似。结论西罗莫司抑制VSMCs增殖,同时促进其凋亡;其作用环节可能是通过阻止细胞由G0/G1期向S期转化,诱导细胞处于静止状态;ORC1的作用环节位于西罗莫司作用点的上游,进一步支持ORC1参与细胞复制起始过程。

起始识别复合物1对血管平滑肌细胞增殖活性的影响

目的起始识别复合物1(origin recognition complex1,ORC1)与血管平滑肌细胞增殖密切相关[1],文中探讨ORC1对血管平滑肌细胞(vascular smooth muscle cell,VSMC)增殖活性的影响。方法用组织块贴片法培养大鼠胸主动脉VSMC;用流式细胞术测定VSMC静止期和增殖期的细胞周期,并计算出不同状态的增殖活性;用免疫荧光法测定ORC1在VSMC中的表达位置,用流式细胞术测定不同细胞周期中ORC1蛋白表达。结果静止期VSMC的增殖活性很低[(10.40±3.52)%],在VSMC中ORC1不表达或低水平表达。血清剌激24 h后,处于增殖期的VSMC的增殖活性明显增加,达(33.91±13.42)%,ORC1蛋白表达也明显增加(P<0.01)。结论 ORC1可能与VSMC增殖活性有关。

基于自适应不完全S变换与LOO-KELM算法的复合电能质量扰动识别

针对电能质量复合扰动识别中特征提取效率低、分类器识别能力与学习速度无法同步提高的问题,提出一种基于自适应窗不完全S变换与留一交叉验证优化的核极限学习机(LOO-KELM)算法的复合电能质量扰动识别方法。首先根据选定的主频率点自适应调节S变换窗宽系数,提取具有高时频分辨率的59种电能质量(PQ)特征,再通过留一交叉验证寻找最小预测残差平方和,实现核极限学习机的输出权重优化,最后根据提取PQ特征集与优化后的核极限学习机实现复合扰动的识别与分类。仿真和实测结果表明,所提方法对不同噪声下的16类混合电能质量扰动均具有较高的分类精度,相较于现有复合电能质量识别方法,分类精度更高且训练时间更短。

高阶原点矩属性在礁滩复合体识别中的应用

生物礁具有广阔的油气潜力,在碳酸盐岩油气勘探中占有十分重要的地位。其内部造礁生物的发育程度不同、种类多样,具有很强的非均质性,使得透过生物礁的地震信号为非高斯的、非对称分布的或非线性的信号,高阶统计量具有识别此类信号的优势。以新疆塔里木盆地顺西区块为例,提取良里塔格组地层的高阶原点矩属性,结合地震剖面分析,确定了位于台地边缘的两个典型礁滩复合体的分布位置,识别了其边界和内部结构,通过井资料及其他地质资料验证,分析结果可信度较高。

颗粒分选与有机质因子对复合指纹识别泥沙来源的影响

泥沙来源研究作为土壤侵蚀研究的关键内容之一,对水土保持措施的科学布设具有重要意义。复合指纹识别法是目前研究泥沙来源的较先进方法之一,在泥沙来源研究中具有较大的应用潜力。然而,颗粒分选作用对运用复合指纹识别法判别沉积物来源的准确性有重大影响。加之,有机质等代表的土壤属性(指纹因子)随颗粒分选在不同粒径范围发生富集或贫化也对源地的正确分类与贡献的准确估算有重要影响。因此,本文基于前人对复合指纹识别水力侵蚀泥沙来源的相关研究,总结侵蚀泥沙中指纹因子的富集或贫化、颗粒分选对指纹因子的颗粒粒径分布特征、指纹因子载体颗粒粒径范围选择、土壤团聚体对泥沙来源识别的影响、模型中颗粒分选和有机质因子的量化等方面的研究成果,明确颗粒分选和有机质因子对复合指纹识别泥沙来源的影响,有利于正确运用复合指纹识别法准确判定泥沙来源。

起始识别复合物结合位点对沉默子的辅助作用

背景:沉默子由起始识别复合物结合位点,阻遏活化蛋白RAP1等元件组成,人们对于沉默子的功能及相互关系有较多研究,但对组成沉默子的元件与基因沉默之间关系的研究很少。目的:研究起始识别复合物结合位点对沉默子基因沉默的辅助作用。方法:用右侧带有报告基因URA3的起始识别复合物结合位点,以及不带任何结合位点的序列替代酵母基因组HML区域的HML-I沉默子后,比较URA3基因表达量,并使用DNA拓扑法分析染色质的结构变化。结果与结论:HML-E沉默子单独存在的情况下,酵母无法在FOA平板上生长,但在起始识别复合物结合位点的辅助下,能够在FOA平板上生长,两者之间区域的染色质大多为负超螺旋。因此可知起始识别复合物结合位点能增加HML-E沉默子作用范围,产生这种作用的原因是两者相互作用下形成紧密的染色质结构。

组织特异性蛋白质复合体的识别

本文研究了组织特异性蛋白质复合体的识别问题.利用蛋白质相互作用网络数据以及组织特异性基因表达数据构建组织特异性蛋白网络,利用多种代表性聚类算法对该网络进行聚类,并利用非负矩阵分解对聚类结果进行合并聚类,得到了组织特异性蛋白质复合体.结果表明,聚类效果得到明显提升,并且能识别出组织特异性蛋白质复合体.

指纹因子和估算模型对复合指纹识别泥沙来源的影响

复合指纹识别法在泥沙与污染物来源辨别、侵蚀环境变化回溯、流域综合治理提升等方面发挥着重要作用。指纹因子和贡献估算模型作为复合指纹识别法的关键,对泥沙来源识别结果的准确性有重要影响。通过总结现行指纹因子组筛选方法、估算模型选用及其关键因子校正等相关研究成果,明确二者对泥沙来源识别结果的影响。结果显示,在分别采用不同指纹因子筛选方法和模型估算泥沙来源时,相同研究区同一源地的贡献差异可分别达到18.0%和14.2%。未来研究中,建议针对复合指纹识别的泥沙来源结果缺乏充分验证这一关键问题,以精准的泥沙来源数据为验证基础,通过科学试验结合多种技术手段,辨别复合指纹识别泥沙来源的主要不确定性来源。

基于图卷积多标签学习的复合人脸表情识别

传统的人脸表情识别方法主要针对六类基本人脸表情,但在现实场景下,存在更加丰富的由基本人脸表情组合而成的复合人脸表情,原先识别基本人脸表情的工作难以去识别复合人脸表情,并且复合人脸表情的数据集缺乏足够的训练数据.针对该问题,提出基于图卷积多标签学习的复合人脸表情识别方法.通过特征提取网络提取到人脸表情的全局特征和感兴趣区域的局部特征,使用基本和复合人脸表情之间的先验知识和数据驱动方式,构建出表情类别关系图,利用图卷积网络来学习到表情类别分类器,最后进行复合人脸表情识别.在RAF-DB和Emotio Net数据集上的实验结果表明,与VGG19和ResNet50等方法相比,该方法可以使得复合人脸表情识别率取得约4%~5%的提升.