基于FMCW雷达的呼吸模式分类技术研究

针对当前使用调频连续波雷达的呼吸模式分类算法准确度不高的问题,本文提出一种基于一维卷积神经网络(1DCNN)结合长短时记忆(LSTM)网络的多呼吸模式分类方法。方法共分为四步:第一步,对雷达提取的呼吸信号进行预处理;第二步,使用快速傅里叶变换(FFT)与连续小波变换(CWT)提取呼吸信号特征;第三步,根据呼吸特征对五种呼吸模式信号(正常呼吸、呼吸过速、呼吸过缓、呼吸深大、呼吸暂停)打标签制作数据集;第四步,使用数据集训练网络得到模型,并使用新数据测试模型。实验结果表明,此方法分类准确度要比现有使用CNN网络方法高5%左右。

产学研合作模式分类及其选择思路

产学研合作是解决科技、教育与经济结合问题的重要手段,其对经济和科技发展的促进作用已为国内外实践所证实。但是由于合作模式选择失误等原因,导致产学研合作效果不佳或失败,影响其作用的充分发挥。运用分类的方法从不同角度对产学研合作模式进行研究,探讨了产学研合作模式选择的主要依据。

银杏林下经济模式分类及模式综合效益评价

通过实地调查,对江苏银杏林下经济模式进行分类,按生产方式分为林下种植、林下养殖2种类型,按经营模式将林下种植分为银杏-农作物、银杏-苗木、银杏-经济树种、银杏-中药材,林下养殖分为银杏-家禽、银杏-家畜,并根据生态学和生态经济学原理,采用层次分析法(AHP),对其中5种林下经济类型中的5个典型模式从经济效益、生态效益、社会效益及综合效益方面进行了评价。结果表明:经济效益较好的是银杏-草鸡模式,生态效益较好的是银杏-玉米模式,社会效益较好的是银杏-杭白菊模式,综合效益较高的是银杏-杭白菊模式;银杏-杭白菊、银杏-玉米、银杏-草鸡3种模式的综合效益显著优于银杏-柿树、银杏-大叶黄杨模式。研究结果可以为科学合理地在银杏栽培区推广综合效益较高的林下经济模式提供科学依据,为充分利用资源、改善生态环境以及提高人们的生活水平提供理论基础。

基于BP神经网络的表面肌电信号模式分类的研究

将神经网络与AR模型相结合提出了一种表面肌电信号模式分类算法。该算法能成功地从腕伸肌和腕屈肌的两道表面肌电信号中识别脱伸、腕屈、腕内旋和腕外旋四种运动模式。实验结果表明：用AR模型参数作BP网输入的肌电模式分类器，运行速度快、识别率高、鲁棒性好，在假肢等人一机仿生系统的控制中具有很好的应用前景。

一种模式分类降维策略及其在复杂化学信息处理中的应用

采用分类相关分析方法处理复杂化学信息的模式分类问题．从高维模式中提取的分类相关成分，它们相互独立，并集中了原有模式的分类信息．提出由相关量份额选择分类相关成分，计算简便，用以替代原模式，可以显著地降维，使问题简化，分类效果良好．该方法应用于天然留兰香油多类判别，结果良好．

模式分类方法在电能质量扰动信号分类中的应用综述

文中首先将电能质量扰动信号分类方法划分为模式分类法与非模式分类法,然后简要介绍了模式分类法,综述了人工神经网络、贝叶斯分类、专家系统、支持向量机几种典型的模式分类方法在电能质量扰动信号分类中的应用,对比分析了各种方法的利弊,并对现存的问题及以后的发展趋势进行了展望。

基于同源的同类事物连通本性的模式分类神经网络模型

根据同源的同类事物连通的本质特性,本文提出保同类事物正确连通通路的模式分类神经网络模型.该模型包括同源的同类事物样本连通连网排序技术、改进的前向掩蔽神经网络模型拓扑结构的连接权值排序学习算法和改进的增量学习算法.本模型解决了原来排序学习前向掩蔽神经网络模型和许多传统的模式识别方法存在的共同隐患——把同源的同类事物的个别局部连通通路割断,提高了分类能力.而且,该模型还能对新增样本进行快速增量学习,从而能够在较短的时间内提高该网络模型的分类推广能力,能够在大规模模式识别场合发挥其优势.实验结果表明基于同类事物连通本性的模式识别模型的正确识别率高.本文最大意义在于,用本文思想方法可以改进一些传统的模式识别方法.

基于递阶遗传算法和BP网络的模式分类方法

提出一种基于递阶遗传算法和BP神经网络的模式分类模型。现有的BP网络模式分类训练方法大都只能训练BP网络的权重,网络的结构得预先用某种方法确定。利用巧妙设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定。以模式分类数据库中的数据进行训练和测试,并与其它模式分类模型相比较,结果证明该模型更优,分类精确度更令人满意的,所提出的方法是可行的。

基于分位数特征提取的时间序列模式分类

高速运行的离心机设备,其振动状态检测数据通常呈现出明显的非线性、正态分布和大样本的特征,数据波动的随机性使得其趋势特征难以捕捉。为此,提出一种新的时间序列模式分类方法。采集离心机设备运行状态的振动信号时间序列进行分析,根据对称原理提取序列数据的分位数,构建特征向量,采用欧氏距离函数构建相似性度量,建立模式分类的判定依据,使用k-means分类算法实现状态模式的自动分类。仿真结果表明,该方法能有效区分离心机设备运行中空载和负载的模式状态,且比传统的小波分析模式分类方法更加准确。

生存驱动型女性裂变创业的模式分类研究——基于扎根理论方法的探索

恰当的行为决策能够帮助女性裂变创业者有效解决各种生存问题。针对“生存因素如何驱动女性创业者成功完成裂变创业”这一研究问题,本研究采用扎根理论研究方法,对在理论抽样原则指导下选取的6位女性裂变创业者进行了系统研究,提炼出致富生存型、安定生存型、平衡生存型3个主范畴,并识别出主范畴之间的逻辑关系,归纳得到“生存驱动型女性裂变创业模式”这一核心范畴。研究发现,从不同主体出发的生存因素引致出这3种典型的生存驱动型女性裂变创业模式,并根据身份理论对3种模式的作用机理进行了详细阐释。本研究深化了对于生存驱动型女性裂变创业的理解,在裂变创业、女性创业以及生存型创业等相关领域做出了理论贡献,并对指导女性裂变创业实践也具有一定的启示价值。

基于电力负荷模式分类的短期电力负荷预测

根据历史数据集的基本知识建立一个基于模糊规则的电力负荷模式分类系统,在考虑规则的分类准确性和可解释性的情况下,利用遗传优化算法挑选出Pareto最优模式分类规则集用于电力负荷模式分类。并在仿真试验中,将此分类系统用于电力负荷预测,结果表明此分类系统具有较好的分类性能,可为电力负荷预测提供更为充分有效的历史数据,从而改善其负荷预测性能。

支持向量机在表面肌电信号模式分类中的应用

采用小波变换的方法对实验采集的原始四通道表面肌电信号(sEMG)进行了分析,并提取小波分解系数的奇异值构建特征矢量,利用“一对一”分类策略和二叉树设计的多类支持向量机(SVM)分类器,很好地实现了对前臂8种运动表面肌电信号的模式分类,8种运动模式的平均识别率为98.75%.研究表明SVM分类准确率明显优于传统的BP神经网络、Elman神经网络和RBF神经网络分类器,且识别精度高,鲁棒性好,对肌电信号及其他非平稳生理电信号的模式识别,提供了一种具有良好应用前景的新方法.

光学粉尘检测中的模式分类反演法

分析了基于Frounhofer衍射的煤矿井下粉尘粒度分布检测的模式识别算法 ,针对决定反演精度的模式数量与传感器实时性之间的突出矛盾 ,提出了模式分类方案 ,使模式识别的速度提高到原来的若干倍 ,从而为实时反演算法的单片机运行提供了有力保障。

海尔集团小微企业的生成路径及其模式分类研究——基于扎根理论方法的探索

从公司创业和新创企业理论出发,运用扎根理论研究方法,根据问题导向和理论抽样,选取4家小微企业作为研究样本,对海尔集团小微企业的生成路径进行扎根分析,提取出"运营微型组织""嵌入社会网络""聚焦用户价值""调控自身定位""完备竞争优势""生成小微企业"6个主范畴,并在其基础上凝练出"小微企业生成路径"这一核心范畴;进而构建了海尔集团小微企业的生成路径理论模型,以及包括原生型、次生型、派生型、创生型在内的小微企业生成模式分类矩阵,并详细阐述各自的特征。

基于嗅觉神经网络采用时间序列的电子鼻模式分类方法

从传感器阵列响应曲线中提取有效特征是传统人工神经网络在电子鼻模式识别应用中的第一步.文中提出将传感器阵列时间序列信号直接输入到一种具有丰富动力学特性的嗅觉神经网络中进行模式分类的方法.该方法不仅在仿生角度上使电子鼻进一步模拟了生物嗅觉系统信息处理过程,而且与以前所用的特征提取加神经网络的方法相比,在6种有机挥发物的分类识别中表现得更佳.

模式分类方法研究

分析了模糊K-近邻方法FKNN,研究了模糊最小最大神经网络FMMNN分类方法,然后深入分析了支持向量机SVM原理,并在此基础上给出了一种改进的径向基核函数。基于IRIS数据,进行了计算机仿真实验,结果表明,改进的SVM方法分类性能比模糊最小最大神经网络与模糊K-近邻算法的分类性能更好,且运算时间更短,更易于实时实现。

心电图模式分类方法研究进展与分析

心电图模式分类是模式识别研究的经典应用之一,在可穿戴心电图设备、动态心电图诊断、重症监护以及疾病与心脏活动关系研究等方面具有重要的应用价值。讨论面向实际应用的心电图模式分类工作的可能方法,归纳近年来心电图模式分类技术在知识推理模型、结构模式识别、统计模式识别等方面的研究进展,并在此基础上做分析与展望。同时论述心电图模式分类研究所面临的主要挑战,即面向实际数据的分类器构建、心电图数据库的标注、分类模型评估标准和领域特征表示问题,并探讨可能的解决途径。

基于PersonⅦ核函数的支持向量机及其在化学模式分类中的应用

化学模式分类问题通常是非线性的,而且比较复杂,难以用经典统计方法建立分类判别模型。以支持向量机(SVM)构建的分类器具有更好的分类性能。对于非线性分类,SVM通过核函数将其映射到高维特征空间中,然后再进行线性分类。因此,核函数往往是决定SVM非线性分类性能的关键。实际应用时,一般通过选择几种核函数,并对其参数进行优化,然后根据分类器的预测性能来决定,训练过程非常耗时,而且结果难以保证最优。为此,采用一种通用性的核函数,即PersonⅦ核函数(PUKF),它可取代目前常用的几种核函数,可避免SVM非线性分类器训练过程的核函数选择问题。本研究将基于PUKF的SVM分类器应用于两个化学模式分类问题,均取得了较好的结果。对于多类分类,设计了一种子分类器的构造方法,它在分类性能保持较好的情况下,简化了多类分类器结构,大大降低了计算量。

基于规则的神经网络在模式分类中的应用

针对模式分类任务,提出一种基于粗糙集规则的神经网络构造方法.首先,利用粗糙集理论和遗传算法约简输入特征,在尽量保持分类能力不变的情况下降低条件属性维数,并推导出简练的分类规则集合.然后,以规则集为基础构造BP神经网络结构、确定网络层数、输入输出节点数等,并计算规则的条件属性重要度和依赖度2个参数对连接权值进行初始化.最后,通过一个实例验证了方法的有效性,结果表明该方法能有效解决传统神经网络构造难、解释难、过拟合等问题,提高了分类精度,降低了训练时间.此外,初步探讨了网络训练时对知识提炼的影响.

判断的定性映射模型与非线性模式分类(Ⅰ)

基于事物属性量—质特征转化关系的简单性质判断可归结为一个定性映射τp(x,cp),(判断元素x是否属于集合S的)特征函数、单(或多)指标性质判断和单(或多)特征向量判断(或检索),可分别归结为以一般集合S、区间(αi,βi)、区间向量、区间矩阵、向量和矩阵为定性基准cp的定性映射.