清肝润肺止咳露高效液相色谱特征图谱、含量测定及化学模式识别的研究

目的建立清肝润肺止咳露高效液相色谱(HPLC)特征图谱,测定其中吗啡、可待因、罂粟碱、那可丁的含量,并结合化学模式识别方法,综合评价该制剂的质量。方法采用HPLC法,以甲醇-5μmoL·L^(-1)庚烷硫酸钠溶液(用磷酸调节pH至2.6)为流动相进行梯度洗脱,流速:1.0 mL·min^(-1),柱温:20℃,检测波长:220 nm,进样量:10μL。利用指纹图谱相似度评价软件,结合聚类分析(CA)、主成分分析(PCA)和偏最小二乘法判别分析(PLS-DA)对10批清肝润肺止咳露的特征图谱进行评价。结果10批清肝润肺止咳露特征图谱共确定16个共有峰,指认了5个共有峰,分别为吗啡、可待因、蒂巴因、罂粟碱、那可丁。其中4个成分在线性范围内(吗啡0.70~8.70μg、可待因0.68~8.50μg、罂粟碱0.60~7.55μg、那可丁0.38~4.80μg)均有良好的线性关系(r≥0.9997);精密度、稳定性、重复性试验的RSD均小于3.0%;平均加样回收率在97.93%~99.43%之间(RSD<3.1%);含量测定结果:吗啡43.58~76.47μg·mL^(-1),可待因16.64~78.92μg·mL^(-1),罂粟碱29.93~41.22μg·mL^(-1),那可丁14.44~33.22μg·mL^(-1)。通过CA、PCA和PLS-DA分析,可将10批清肝润肺止咳露分为2类(S3、S4、S8、S10聚为一类,其余聚为一类),并筛选出峰2、峰4、峰13、峰11(吗啡)、峰1、峰10、峰8、峰12、峰16(那可丁)9个差异性成分。结论该研究建立的HPLC特征图谱及含量测定方法简单、准确,结合化学模式识别法,可用于清肝润肺止咳露的质量控制。

模式识别在贺兰山人面像岩画研究中的应用

贺兰山地处古代丝绸之路北道,是东西文明交流的关键节点。利用模式识别等数字技术,以贺兰山的人面像岩画为研究对象,构建贺兰山人面像岩画数据集并训练图像识别模型,成功实现了对人面像岩画的数字化识别,初步展示了模式识别等数字技术在岩画研究方面的潜力。研究结果显示多数人面像岩画能够在短时间内被准确识别,可以有效降低个体视觉和经验判断的误差,可以辅助科研人员进行人面像岩画识别,这在岩画研究中具有一定的实用价值,也为深入挖掘岩画文化信息提供了新路径。

基于卷积神经网络与可视图像的类滑动放电模式识别

为了提高机器学习算法对类滑动放电模式识别的准确率,提出了一种基于卷积神经网络(convolutional neuralnetworks,CNN)与可视图像识别电晕放电、弥散放电和类滑动放电等模式的方法。通过选取气体体积流量0~16 L/min、电极间隙2~10 mm、脉冲频率0.5~3 kHz等不同条件下的类滑动放电图像构建图像库,搭建CNN模型并优化影响CNN识别性能的超参数,包括网络层数、全连接层(full connected layer,FC)神经元数、卷积核尺寸以及激活函数类型,最后比较了CNN与决策树(decision tree,DT)算法和随机森林(random decision forests,RF)算法的识别效果。结果表明,CNN识别准确率为100%,高于传统机器学习方法。此外,本文还给出了放电模式及条件参数,通过基于反向传播神经网络(back propagation neural networks,BPNN)的聚类分析算法识别弥散放电和类滑动放电,并且准确率为100%。

基于天气状态模式识别的SSA-BP神经网络光伏电厂功率及碳减排量预测

文章提出了一种基于天气状态模式识别并结合SSA-BP(Sparrow Search Algorithm-Back Propagation)预测光伏出力的方法。首先,在分析辐照度、温度、风速等参数变化规律基础上,基于高斯混合模型,针对专业天气类型开展分类,获得类晴、类雨和类阴3种典型的广义天气;然后,将数据作为SSA-BP神经网络输入,对光伏电厂出力分类进行预测;最后,结合碳核算方法学对光伏发电项目碳减排量进行核算。结果表明:利用分类识别和改进的SSA-BP神经网络,在3种天气类型预测中平均相对误差分别为0.195,0.243,0.310;SSA-BP与其他模型相比,平均相对误差降低了17.8%~66.7%。此外,预测CO_(2)减排量与实际核算值相对误差为3.37%,亦表现出良好预测效果。

基于希尔伯特滤波的可擦笔油墨光谱模式识别

文件的真实性是当前诉讼审查阶段的重要工作,可擦笔在司法案件中常被用来进行伪造文书、合同等犯罪行为。针对其油墨成分、笔迹修改等方面的辨识是文件检验领域的重点研究。特殊热感变色颜料是可擦笔油墨的主要成分,其变色原理是随着温度变化会产生笔迹的消失与复现,在65℃以上颜色褪去,在-18℃以下颜色复现。对其进行种属认定可以对案件证据的真实性进行鉴别,为案件诉讼过程提供支持。高光谱的超高光谱分辨率对高分子材料具有较好的特征选择性,能够有效的对常见油墨成分进行数据采集。该实验收集22个品牌共45份可擦笔油墨样本,可以分为碳化钨笔珠、子弹头笔珠、全针管、半针管四种类型,统一采集450~950 nm波段的高光谱信息。关于光谱数据背景噪声冗余的问题,选用主成分分析法(PCA)对数据进行降维处理,提取特征变量。基于降维后的数据选用不同类型的希尔伯特变换(HT)进行信号滤波,进一步选择有效信号,提升建模效果。样本识别上选用多层感知器(MLP)和径向基函数神经网络(radial basis function neural network,RBFNN)两种人工神经网络模型,基于23维主成分提取的特征变量类建模准确率分别为81%,84%,通过希尔伯特高通滤波处理后可以将分类准确率提升至88.9%,92%,能够有效提升识别准确率。为进一步区分不同样本的种类,选择Fisher判别分析方法进行建模,各样本原始数据在FDA模型中识别准确率为44%,经最优PCA-HT处理的FDA建模准确率为93.3%,能够区分出不同的可擦笔油墨类型。结果表明,PCA能够在保留光谱有效信息的基础上进行降维,提升模型精度并且缩短运行时间,相较于原始光谱数据建模效果较好,通过希尔伯特变换后的光谱数据能够进一步完善有效光谱信息,使得建模准确率进一步提升。该实验确定PCA-HT-FDA模型为最佳可擦笔油墨高光谱识别模型,能够为司法鉴定人员提供一定参考。

基于HPLC指纹图谱结合化学模式识别对葡萄醋的质量评价

目的建立葡萄醋中有机酸成分的高效液相(High performance liquid phase,HPLC)指纹图谱,并结合化学模式识别对葡萄醋质量进行评价及为临床应用提供参考。方法采用HPLC法,以甲醇(A)∶0.5%磷酸水溶液(D)=1∶99洗脱,建立葡萄醋指纹图谱,同时测定琥珀酸的含量;采用相似度评价、聚类分析(Cluster analysis,CA)、主成分分析(Principal component analysis,PCA)和偏最小二乘-判别分析(Partial least squares discriminant analysis,PLS-DA)等化学模式识别对差异性特征成分进行筛选。结果15批葡萄醋样品的指纹图谱共有峰有11个,通过与混合对照品色谱峰进行比对,指认出6个共有峰,分别是酒石酸(1号峰),苹果酸(2号峰),琥珀酸(3号峰),富马酸(4号峰),绿原酸(9号峰),乙酸(11号峰);CA结果表明15批葡萄醋样品中各个化合物之间含量差异较大,即使是同一生产企业生产的不同批次葡萄醋其含量差异也较大;PCA结果显示葡萄醋共有峰含量差异的主要成分并非单一成分,而是前4种主成分共同的影响;PLS-DA结果表明筛选出的7、3、9、4号峰可作为鉴别和区分葡萄醋质量差异的标志物,其中包括共有峰3号峰(琥珀酸)、4号峰(富马酸)。结论采用指纹图谱结合化学模式识别技术可快速、有效地筛选出葡萄醋的差异性特征成分,为葡萄醋质量评价及临床应用提供参考。

基于FrFT和RVM的变压器局部放电模式识别

快速准确识别局部放电类型对于保证变压器安全稳定运行具有重要意义。针对局部放电信号模式识别中面临的最优特征参数提取和分类器设计难题,提出一种基于分数阶傅里叶变换(fractional Fourier transform,FrFT)和相关向量机(relevance vector machine,RVM)的局部放电模式识别方法。首先将FrFT引入局部放电信号分析领域,利用FrFT将局部放电信号转换至分数域并对其进行多尺度分析,在扩充信息提取维度的同时,提取可反映不同局部放电信号波形差异的14维特征构成特征向量;然后将特征向量作为输入,建立RVM模型进行最优特征选择和分类判决函数的联合优化,从而实现对不同局部放电信号的分类识别。建立电晕放电、沿面放电和气隙放电试验模型并采集局部放电超声信号开展试验,结果表明所提方法对于每种局部放电信号均能获得较高的识别精度,平均正确识别率相对于常规支持向量机(support vector machine,SVM)分类方法提升超过2.7%。

基于近红外光谱技术有监督模式识别的青皮产地溯源分析

利用便携式近红外光谱仪采集不同产地(安徽、广东、四川)青皮外壁和内囊光谱数据,采用单一预处理和组合预处理方法消除光谱中的多种干扰,结合主成分分析(PCA)、簇类独立软模式分类法(SIMCA)及Fisher线性判别分析(FLDA)等模式识别方法建立青皮产地溯源模型。结果表明,光谱预处理可以在一定程度上消除基线漂移、背景噪声和谱峰重叠干扰,但无法实现产地溯源。3种模式识别方法中,PCA无法实现青皮产地溯源;青皮外壁和内囊原始光谱的SIMCA模型获得的青皮产地溯源整体鉴别率分别为99.14%和98.28%;FLDA模型获得的整体鉴别率均为99.57%,优于SIMCA模型;经光谱预处理优化后的SIMCA和FLDA模型对青皮产地溯源的鉴别率均可达100%,即便携式近红外光谱技术结合有监督模式识别方法可实现青皮产地溯源的无损分析,可为食药同源物质产地溯源拓展新途径。

基于融合知识迁移网络的变工况轴承故障模式识别

针对基于迁移学习的故障诊断方法无法充分利用目标域数据,并且要求运行条件平稳,提出了一种基于融合知识迁移网络的变工况轴承故障模式识别方法。将输入瞬时转速作为工况信息输入到稀疏自动编码器中,从而充分利用目标域信息,使操作信息不必只利用局部振动数据集,而可以将整个操作信息纳入模型进行训练,并且通过模型训练大大降低了学习过程中负迁移的风险。然后利用深度卷积神经网络从原始振动中提取特征,通过两种知识迁移模型的结合,建立了融合知识迁移模型。最后,在滚动轴承实验测试台上的实验结果验证了该方法能够在变工况条件下实现有效的故障识别。

机器学习时延感知的无人机操作模式识别

考虑到加密WIFI流量下的时延特征与实时性要求,提出了一种机器学习的时延感知无人机操作模式识别方法。首先提出的机器学习框架将加密数据流视为一个时间序列,利用重新加权的l1范数正则化将特征选择和性能优化集成为期望总代价函数,该函数综合了误分类/误检测和延迟代价。另外为了解决在估计时延代价函数时数据包到达时间的不确定性,使用最大似然估计得到数据包到达时间。最后利用私人无人机真实WIFI数据流量对提出的方法的性能进行了评估,评估结果证明了提出方法的有效性。

基于PSO-SVM的Φ-OTDR系统模式识别研究

针对相位敏感光时域反射仪(phase sensitive optical time domain reflectometer,Φ-OTDR)系统中误报率高的问题,提出一种多域特征提取与粒子群算法优化支持向量机(particle swarm optimization-support vector machine,PSO-SVM)相结合的模式识别算法。首先,对原始信号进行差分处理后提取时域特征,并利用小波包分解方法,通过验证不同分解层数下的事件分类准确率,设定最优分解层数为6层,提取差分信号的能量特征。然后以SVM分类器为基础,利用PSO算法优化SVM分类器参数,提高光纤振动信号识别准确率。最后利用Φ-OTDR事件数据集进行验证,实验结果表明,该模式识别算法达到了95.6%的振动事件分类准确率。

基于模式识别的舰船机械电子设备故障自动监测

舰船机械电子设备故障数据量较为庞大,且模式复杂多样,为满足其复杂性的要求,提出基于模式识别的舰船机械电子设备故障自动监测方法,采集舰船机械电子设备运行中的温度、压力、振动等数据作为故障监测的原始数据,计算数据间的相似系数和欧氏距离,结合K均值算法实现数据聚类处理。通过小波包算法对聚类后的数据进行特征提取,将其输入到卷积神经网络中,通过对监测模型进行训练,最终实现对舰船机械电子设备故障自动监测。通过实验分析,该方法与相关人员进行监测的故障情况高度一致,在不同故障类型监测的时间均能够保持在5 ms以内,具有较高的监测效率和监测精准度。

不同产地巴戟天HPLC指纹图谱及化学模式识别研究

目的:利用HPLC指纹图谱及化学模式识别对巴戟天药材进行评价。方法:采用Shodex Asahipak NH2P-504E色谱柱(4.6 mm×250 mm,5μm),以乙腈-水为流动相梯度洗脱,使用蒸发光散射检测器(ELSD)。利用相似度评价、聚类分析和主成分分析等化学模式识别方法,对不同产地的巴戟天药材进行分析。结果:所建立的HPLC指纹图谱共识别了18个共有峰,经与对照品图谱比较,鉴定其中的4个共有峰分别为果糖、蔗糖、蔗果三糖和耐斯糖。6个产地巴戟天的相似度在0.861~0.995;经聚类分析和主成分分析,6个产地巴戟天共聚为3类。结论:本研究采用的巴戟天HPLC指纹图谱及化学模式识别技术可反映出不同产地的巴戟天样品的差异,可为巴戟天的质量控制提供参考。

基于特征模式识别的农田监控系统研究

针对农田监控系统中存在的识别准确度不高、数据处理效率低等问题,提出了一种基于特征模式识别的农田监控系统。对农田监控系统的功能进行了设计,包括系统整体架构设计、数据采集与传输模块设计、特征提取与模式识别算法设计,结合用户界面设计实验与结果分析,验证了所提出系统的有效性和性能优势。对农田监控系统在实际农业生产中的应用前景进行了展望,并提出了未来改进方向和研究趋势。

“以学生为中心”的教育理念下“模式识别与计算机视觉”课程教学模式的探讨

“以学生为中心”的教育理念可以激发学生的学习兴趣和学习主动性。中医药院校开设的“模式识别与计算机视觉”课程所具备的内容新、实践要求高、中医药与现代技术交叉的学科特点决定了“以学生为中心”的教育理念更适用于本门课程的学习,有利于显著提升学习效果。基于该理念,本文通过对课程教学模式的探讨,思考并设计了知识讲授、案例驱动和创新应用相结合的教学设计,以及多元评价和分级拓展的考核评价方式。

模式识别课程全英文教学

从课程内容优化、教学方式、实践教学设计等方面探索模式识别课程全英文教学的建设方案。教学实践表明,在图像等数据处理智能感知领域,学生的专业英语理解和表达能力得以提升,工程实践能力得到培养和强化,国际视野得以拓宽。

基于HPLC指纹图谱结合化学模式识别以及多指标成分定量评价前胡药材质量

基于HPLC指纹图谱和多指标成分含量测定,并结合化学模式识别,评价不同产地前胡药材质量。采用Agilent SB-C_(18)(4.6 mm×250 mm,5μm)色谱柱,以甲醇-0.5%甲酸水为流动相进行梯度洗脱,流速为0.5 mL/min,检测波长321 nm,建立指纹图谱并对4个香豆素类成分进行定量,采用聚类分析(hierarchical clustering analysis,HCA)、主成分分析(principal component analysis,PCA)、偏最小二乘法-判别分析(partial least squares discriminant analysis,PLS-DA)对不同产地前胡药材进行质量评价。结果显示16批前胡药材HPLC指纹图谱相似度为0.966~0.999,确定了21个共有峰,共指认了9个成分。通过化学模式识别分析,将16批样品聚类为三类:以安徽宁国、亳州等为主的道地产区前胡,以湖南、贵州、重庆等为主的前胡,以及高海拔云南产区的前胡,并确立8个差异性质量标志物。多指标含量测定不同产地前胡的佛手柑内酯、白花前胡甲素、白花前胡乙素、白花前胡素E含量分别为0.0167~0.1319 mg/g、6.0696~16.2255 mg/g、0.4265~2.0100 mg/g、1.3407~3.1155 mg/g。本研究所建立的指纹图谱和含量测定方法专属性强,稳定性高,分离度良好,结合化学模式可用于前胡药材的质量评价。

基于指标成分及指纹图谱多模式识别的不同品种红花质量评价

目的:测定不同品种红花指标成分、建立指纹图谱,并结合化学识别模式法对其进行质量评价,建立不同品种红花质量比较方法。方法:采用高效液相色谱法(HPLC)测定32批不同品种红花的羟基红花黄色素A(HSYA)和山柰酚含量;利用“中药色谱指纹图谱相似度评价系统”(2012版)对32批红花样品进行相似度评价,并采用Origin 2022软件对其进行聚类分析,采用SIMCA 14.1软件进行主成分分析。结果:32批红花样品除3批未检出外,其余29批的HSYA质量分数为0.4%~2.5%,32批红花样品中山柰酚的质量分数为0.004%~1.060%;其HPLC指纹图谱共确定16个共有峰,指认了色氨酸、HSYA和6-羟基山柰酚-3-O-β-D-葡萄糖苷等5个成分,相似度为0.510~0.936,不同品种的红花质量差异显著。结论:通过HPLC含量测定、指纹图谱建立及多模式识别法,可实现不同品种红花的质量差异分析比较,研究结果提供了不同红花品种潜在的育种方向,对红花育种工作具有重要的参考价值。

基于特征图谱及化学模式识别的当归补血汤质量评价研究

目的:建立当归补血汤超高效液相色谱-串联四极杆飞行时间质谱(UPLC-Q-TOF-MS)的特征图谱,综合评价其质量。方法:采用Waters Acquity UPLC BEH C18柱(100 mm×2.1 mm,1.7μm),以0.1%甲酸水(A)-乙腈(B)溶液为流动相,梯度洗脱,流速为0.3 mL/min,进样量2μL;使用电离子喷雾源(ESI),负离子模式扫描。并以指纹图谱相似度评价软件结合聚类分析(HCA)、主成分分析(PCA)和偏最小二乘判别分析(PLS-DA)对11批当归补血汤进行评价。结果:通过对照品比对及软件预测,从当归补血汤中鉴别出24种成分。图谱标定出41个共有峰,指认出6个色谱峰,分别为毛蕊异黄酮葡萄糖苷、阿魏酸、芒柄花苷、毛蕊异黄酮、黄芪甲苷、芒柄花素。HCA、PCA和PLS-DA3种方法均将11批样品分为3类,对黄芪统货、选货和精品饮片进行了明显区分,说明当归补血汤的特征图谱与原药材的质量和等级具有强相关性。结论:构建的高分辨质谱的特征图谱结合化学模式识别方法快速高效全面,适用于当归补血汤整体质量的评价,同时也为中药复方质量标准建立与全程质量控制提供了重要支撑。