电子鼻模式识别算法的比较研究

文中比较了k-近邻法、线性判别分析、反向传播人工神经网络、概率神经网、学习向量量化以及自组织映射6种电子鼻模式识别算法的分类能力。采用了1个定量指标(识别精度)和4个定性指标(运算速度、训练速度、内存容量、抗干扰能力)对不同算法进行了系统比较。研究表明基于神经网络的模式识别算法比基于统计理论的模式识别算法具有更高的识别精度。如果同时考虑定性指标,当训练速度要求不高时,宜采用学习向量量化算法;能满足内存需求前提下,优先推荐采用概率神经网算法。对于选择性高的信号,采用线性判别分析可以达到最佳效果。

基于模糊集理论的信息关联模式识别算法应用

文中基于模糊集理论,通过模糊关联系数和模糊关联度的定义,构造了模糊相对权重的概念,在此基础上设计一种新颖的数据信息关联模式识别算法,并通过建立的关联模式识别算法模型对贵州省六盘水市的农田土地质量进行综合评价.评价结果表明:该模型和方法是可行的、有效的,有一定的参考价值和借鉴意义.

一种基于超长方体集的模糊模式识别算法

结合模糊C均值算法(FCM)与模糊最小最大神经网络算法,提出一种基于超长方体集的模糊模式识别算法.首先采用基于特征加权的FCM算法进行粗划分,得到c个平行于特征轴的超椭圆球类;再根据已知的样本的类别标记进行进一步划分;以改进的最小最大模型建立超长方体阵,使每个超长方体只能容纳一种类别的样本点,并且分属不同类别的超长方体无重叠.使用这种方法构建超长方体集更快速、更简单,但对训练样本的要求较高,应选择能够充分体现数据分布情况的数据点作为训练样本.

统计模式识别算法的MATLAB语言实现

首先阐述了MATLAB语言的特点 ,然后列出了三种较为常见的统计模式识别算法 ,最后用MAT LAB语言实现了 3种统计模式识别算法 。

中红外光谱法结合监督模式识别算法对烟用香精香料研究

采用傅里叶变换中红外光谱技术对49种烟用香精香料进行分类研究,并结合不同监督模式识别算法对932个样品光谱数据进行分类判别。对光谱数据先进行优化,剔除异常光谱数据后建模,用判别准确率来评价分类模型效果。结果表明:5种监督模式识别算法判别准确率均大于97%,其中使用线性判别分析法(LDA)和主成分分析串联马氏距离法(PCA-MD)建立的模型可以达到100%的判别准确率。进行重复性实验后发现大部分谱峰的标准偏差在0.05A以下,符合分析要求,信噪比的数量级在104,仪器在测试过程中状态比较稳定。因此采用傅里叶变换中红外光谱法结合LDA或者PCA-MD算法可应用于烟用香精香料的现场快速分析。

基于模式识别算法的网页重复信息抽取仿真

当前的网页重复信息抽取方法缺少信息分类步骤,导致传统方法存在抽取全面率低、重复信息比例高以及整体性能差的问题。于是提出基于模式识别算法的网页重复信息抽取方法。利用类间平衡因子和词频获取网页信息的互信息特征。在关联规则的基础上根据网页置信度向量化互信息特征,完成网页信息特征的提取。利用模式识别中的支持向量机对网页信息分类,优化惩罚函数,建立软间隔支持向量机分类器。计算不同类别网页信息的结构相似度和语义相似度,结合上述计算结果获得网页信息相似性,完成网页重复信息的抽取。仿真结果表明,所提方法的抽取全面率高、重复信息比例低,且整体应用性能好,实验结果表明所提方法具有理想的应用效果。

基于体全息图像库的模式识别算法

定义了特征识别向量并提出了图像识别模板的概念 ,在此基础上发展了相关系数的算法 ,对存有 10 0幅图像的体全息图像库所进行的模式识别实验表明此算法能够有效地提高识别准确率。

可扩展模式识别算法

生物信息学是生物学与计算机科学以及应用数学等学科相互交叉而形成的一门新兴学科。它通过对生物学实验数据的获取、加工、分析，进而达到揭示数据所蕴含的生物学意义的目的。基于海量的生物信息数据，从中寻找规律并对结果进行预测，是未来生物（医药）发展所必须的技术手段。

可模式识别的水声成像方法

提出一种在自由环境中可以进行模式识别的水声成像方法。利用角域滤波将空间不同入射方向的平面波在阵元域中进行分离,在成像扇面内按要求设计一系列角域带通滤波器,这些滤波器的输出就是从角通带内入射的平面波在阵元域中的快拍数据,可以实现要求输入为阵元域特性数据的目标识别和底质分类等专用的模式识别算法,角域滤波器输出的平面波快拍数据的幅度作为像素值进行水声成像。采用角域滤波的方法可以进行水声成像得到所需要的声图,并且每个像素对应着相应点目标远场平面波入射到接收阵时所产生的快拍数据。仿真和实验数据处理结果表明,采用角域滤波和利用常规波束形成所得到的声图是一样的,并且两种成像方法具有相同的稳健性。

灰色接近关联度在指纹图谱模式识别中的应用

文章系统地介绍了灰色接近关联度基本理论、灰色关联度的提出及基本概念、两种面积的算法。详细地介绍了灰色接近关联度的计算方法及使用范围。介绍了灰色接近关联度在色谱指纹图谱中的应用,包括仪器使用方法及具体计算过程。

常见伤口感染细菌高场不对称波形离子迁移谱识别算法

目的:使用模式识别算法对常见伤口感染细菌(大肠杆菌、金黄色葡萄球菌、铜绿假单胞菌)TH肉汤培养液及纯TH培养液的高场不对称波形离子迁移谱(FAIMS图谱)进行分类识别。方法:使用FAIMS分析仪收集了4种样品的训练及测试样本。预处理后,用主成分分析和线性判别分析对样本进行降维和特征提取,得到了训练集和测试集的空间三维分布模型,再用最近邻规则算法进行样本识别。结果:特征提取后,正负模式样本均具有良好的分离效果,并且正模式可分性明显优于负模式。当K取合适的值时,正负模式识别率分别可达90%和70%以上。对于本文的数据模型,K取值等于或最接近每类样本数的奇数为最佳。结论:该种算法可用于常见伤口感染细菌肉汤培养液FAIMS图谱的分类及识别。

电子鼻技术及其应用研究进展

电子鼻(Electronic nose,E-nose)技术作为一种有效的嗅觉模拟与气体识别的方法被广泛应用。电子鼻系统由气体传感器阵列组成,利用其交叉敏感性对气体进行检测。电子鼻系统利用机器学习算法,对气体进行定性定量分析。传统的机器学习算法在电子鼻系统中的应用已经成熟,如今深度学习算法也慢慢在电子鼻系统中应用。电子鼻系统具有选择性高、精密度好、反应快速、稳定性和延展性好的特点,被应用于包括有毒气体检测、空气质量管理、食品新鲜度和质量预测等方面。本文从气体传感器阵列的组成、信号采集与处理单元、模式识别算法的分类以及电子鼻系统在实际中的应用等方面综述了电子鼻系统气体识别的最新研究进展,最后对电子鼻系统气体识别目前所存在的问题以及发展前景进行了总结和展望。

支持向量机算法在若干熔盐相图中间相预报中的应用

用支持向量机(SVM)算法与原子参数方法相结合预报了KNO3-KBr、KNO3-KI、Cs,Li,Er|Cl等含卤化物系的中间化合物形成情况.若干预报已得到实验证实.用留一法对比了SVM算法和若干传统的模式识别算法对AX-BX系和AX2-BX2系形成中间化合物,含稀土氯化物的盐系形成A3B2Cl9型和A2BCl5型化合物等的预报正确率,结果表明:SVM算法所建立的数学模型的预报正确率比Fisher法和KNN法高.

高速公路自动事件检测算法

高速公路事件检测是事件管理中十分重要的 1个环节 ,自动检测因其成本低、不受天气限制且检测率高而在事件检测方法中备受关注 .其中自动检测系统的关键部分是事件检测算法 .在分析比较各种检测算法的原理和特点及其优缺点的基础上 ,提出更为有效的事件检测方法 .

用于中药人参品类鉴别的算法研究及硬件实现

为提高人参品类的鉴别效果,研制了一套智能化自动检测系统。该系统硬件主要包括气体传感器阵列的驱动电路、信号调理和数据采集电路、信息处理单元电路、进气部分电路控制电路、外部接口电路。该系统使用主成分分析(PCA:Principal Component Analysis)与支持向量机(SVM:Support Vector Machine)相结合的算法实现对人参品类的鉴别,同时利用PID(Proportion Integral Differential)算法实现对气室温度的智能控制,提高了气体传感器的稳定性和精确度。使用该系统对红参、白参、西洋参、太子参、三七(小人参)以及外形与气味相似的天花粉进行了多组测试。实验结果表明,该系统对人参品类的鉴别具有较高的准确度,并且操作简单、成本低廉,具有良好的应用前景。

基于车用材料气味识别的阵列电子鼻开发

为满足汽车厂家和消费者对汽车内材料气味等级快速检测的要求,文章设计了一种便携的传感器阵列电子鼻,经传感器筛选和多指标阵列优化采用了8种金属氧化物半导体(MOS)型气体传感器。使用了中值滤波和Savitzky-Golay滤波两种方法对传感器信号进行降噪处理;结合各传感器响应强度,综合分析各传感器的变异系数、相关系数和因子载荷矩阵指标后进行阵列优化;比较了K最近邻法和支持向量机法对车用材料气味等级的识别效果,改进后的K最近邻法对气味等级的识别正确率可达86.2%,从而实现了车用材料气味等级的在线检测和识别功能。

山东省高校机器人视觉感知与控制工程研究中心

山东省高校机器人视觉感知与控制工程研究中心是以潍坊学院机械与自动化学院为依托,与山东华滋自动化公司强强联合,并进一步整合学校优秀科研资源重点建设的科研平台。该实验室紧密结合潍坊及周边地区新兴产业需求,重点进行模式识别算法研究、机器视觉技术、机器人运动控制设计等相关技术的研究与开发。

基于MFCCS和改进VPMCD的滚动轴承故障诊断

将梅尔倒谱和系数(MFCCS)与改进的基于变量预测模型的模式识别算法(VPMCD)相结合,提出了一种滚动轴承故障的诊断方法。将语音信号识别中最常用的特征参数梅尔倒谱系数(MFCC)应用到轴承故障诊断领域,提出了适用于滚动轴承故障识别的特征参数梅尔倒谱和系数。同时,采用主成分分析(PCA)方法来解决VPMCD方法中求解得到的预测模型方程系数与理想系数存在偏差的问题。然后,使用改进的VPMCD算法对特征参数进行训练,再利用预测模型对待诊断样本数据进行模式识别和诊断,并用实验室模拟试验台的数据,对该方法进行了验证,实验结果能够有效区分轴承的故障种类,证明了方法的有效性。

三角形坐标系下人脸图像连续性研究

为了寻找更准确的"同源"图像间的变形路径,提出一种基于三角形坐标系的图像描述方式,并验证了基于三角形坐标系的人脸图像变形连续性问题.首先给出三角形坐标系的定义和三角纹理特征的描述方式,并推导了在三角形坐标系中当图像的结构发生变化时,三角纹理特征不变,简化确定图像变形路径的问题;然后将三角坐标值映射到笛卡儿坐标系,生成中间插值图像;最后对仿生模式识别进行改进,寻找到一条更符合人脸图像变换的核路径,从而改善仿生神经网络的有效覆盖.通过实验验证了改进的仿生模式识别的有效性.

慢性胃炎湿热证患者的口腔呼气气味图谱识别

目的:运用电子鼻技术结合模式识别算法探讨慢性胃炎(CG)湿热证口腔呼气的气味图谱识别。方法:选择156例CG湿热证患者为研究对象,150例CG非湿热证患者和100名健康者为对照,运用基于阵列式气体传感器技术的电子鼻采集口腔呼气的气味图谱,采用模式识别的方法进行气味图谱识别。结果:(1)CG湿热证患者中不同湿热比重的频数分布从高到低依次为湿热并重、湿重于热、热重于湿;CG湿热证Hp阳性率为39.74%。(2)RF模型对CG和健康人气味图谱的分类最为准确,准确率可达98%;KNN聚类对CG湿热证和非湿热证气味图谱的分类最为准确,准确率为63%。(3)LR模型对湿热并重与非湿热并重气味图谱的分类最为准确,准确率为62%;LR模型对湿重于热与非湿重于热气味图谱的分类最为准确,准确率为71%;LR模型对热重于湿与非热重于湿气味图谱的分类最为准确,准确率达90%;SVM模型对CG湿热证Hp阳性与Hp阴性气味图谱的分类最为准确,准确率达60%。结论:运用阵列式气体传感器电子鼻检测人体口腔呼气,不仅对CG患者具有很高的识别准确率,而且也能初步判断CG湿热证及其不同湿热比重、Hp感染情况,为中医病证诊断和嗅诊客观化提供新方法。