中医厥证领域本体构建研究

目的利用本体技术实现中医厥证领域知识的共建、共享及推理。方法提取中医文献中的厥证相关知识,使用斯坦福大学提出的本体构建“七步法”,基于Protégé工具构建中医厥证领域本体,实现厥证相关知识的领域建模,并进行内部一致性检验,实现本体的推理功能。结果构建的中医厥证领域本体共有27类,585个实例,25个对象属性,其中反向属性6个,数值属性1个,均通过了一致性检验,实现厥证领域知识的语义化表达,完成厥证知识的共建、共享和推理。结论本研究采用本体技术,促使中医厥证领域知识的融合重组与推理,为将来中医急危重症诊疗知识库的构建、中医急危重症应急决策和辅助诊疗等系统的建立,奠定基础并提供参考。

基于EFPI传感器的GIS局部放电模式识别研究

为了在复杂电磁环境中精准捕捉局部放电产生的微弱信号,设计了基于非本征法布里—帕罗干涉(EFPI)传感器的GIS局部放电模式识别方法。通过差分双波长光强强度比解调算法,粗解调EFPI传感器的腔长;利用复域相关算法,结合粗解调结果,精解调腔长,确定最终的EFPI传感器腔长,用于检测GIS设备的超声波信号;通过希尔伯特(Hilbert)变换GIS设备的超声波信号,得到Hilbert边际谱;利用2维—1维深度残差网络,提取Hilbert边际谱的特征,输出GIS局部放电模式识别结果。实验分析结果表明:该方法可有效确定EFPI传感器的腔长,采集GIS设备的超声波信号;得到GIS设备超声波信号的Hilbert边际谱;在复杂噪声环境下,该方法可精准识别GIS局部放电模式。

基于空间域图像生成和混合卷积神经网络的配电网故障选线方法

传统的配电网故障选线方法大多基于一维零序电流序列构建故障诊断模型,单一的诊断模型往往限制了故障特征的深层挖掘。为了提高故障选线的准确率,提出一种基于空间域图像和混合卷积神经网络的配电网故障选线方法。首先,利用优化的降噪光滑模型对零序电流信号进行降噪处理,减少外界环境的电磁干扰。其次,利用对称希尔伯特变换将一维时域信号转成二维空间域图像,图像的颜色、形状和纹理特征能够充分反映当前系统的运行状态。最后,将一维时域信号和二维空间域图像同步作为混合卷积神经网络的输入,充分挖掘系统的故障特征,利用Sigmoid函数实现故障选线。在辐射状配电网、IEEE-13节点模型、IEEE-34节点、StarSim仿真平台上模型上进行了实验验证。实验结果表明,该选线方法可以有效克服传统方法过度依赖主观特征选择、抗噪性能差等问题,能够在高阻接地、采样时间不同步、两点接地故障等极端情况下可靠地筛选出故障线路。

太赫兹光谱结合特征选择算法分选掺混稻种

农业生产安全是食品安全的重要组成,粳米作为日常食用的大米,劣质掺混种子的快速检验是相关领域的重要研究工作。本研究使用太赫兹时域光谱采集220份掺混稻种和纯品稻种样本的光谱信号,通过傅里叶变换(Fourier transform, FT)对光谱数据进行预处理,将时域信号转化为频域信号作为建模数据集,对QUSET等5种模式识别模型进行分选研究。结果表明,随机森林算法(RF)、连续投影算法(SPA)、变量集群分析耦合迭代保留算法(VCPA-IRIV)等3种算法分别选择9个、6个、25个重要的特征频率,其中VCPA-IRIV作为耦合算法选择的特征频率包含的光谱信息最为丰富。为进一步优化模型,对特征频率选择后建模,在分析速度和识别精准度上显著优于全光谱建模方法,经VCPA-IRIV算法筛选的25个特征频率建立的QUEST和KNN分类对是否掺混的鉴别准确率均能达100%。变量集群分析耦合迭代保留算法能够有效地选择包含信息丰富的太赫兹光谱特征频率,能够有效提升所建立的识别模型的准确率。基于太赫兹光谱和耦合特征选择算法建立的掺混稻种识别模型快速、准确,能够为检测劣质掺混粳米种子提供新的方法。

基于融合预处理的掺假咖啡太赫兹光谱识别

该研究通过太赫兹时域光谱采集70组含有西布曲明成分的咖啡在0~2.5 THz频段的光谱信息,建立随机森林、支持向量机、贝叶斯判别分析3种模式识别方法并进行比较研究。结果表明,未经过预处理的模型识别准确率较低。选择一阶导数、二阶导数、不同类型的巴特沃斯滤波器和Pearson特征选择融合光谱方法进行光谱信号处理。基于一阶导数处理的贝叶斯判别分析模型准确率为98.6%,基于高通巴特沃斯滤波器的随机森林模型分类准确率为94.2%,基于特征提取的融合光谱支持向量机(support vector machine, SVM)模型分类准确率为100%。选择最优预处理的SVM模型进一步对同一品牌不同地区的掺假咖啡进行鉴别,准确率为100%。研究实现了“品牌-产地”的二级特征识别,可为公安机关打击涉及咖啡的食品安全犯罪提供参考。

认知域:从习以为常到人机互生

认知域不是一个界定明确的学术概念,而是围绕人类认知探索而形成的多学科领域。基于多学科探索实践的交集,我们认为,认知域的焦点集中在信息获取、信息加工、认知形成和认知影响等四个相互关联的领域。历史与现实的实践形成了两个极值:面向熟悉场景的习以为常的模式化认知和面向陌生场景的心随境转的非模式化认知。以连接泛在为前提,以人工智能为代表的数字技术,一方面带来了社会的快速变化,推动认知场景向始终陌生化的方向发展,使非模式化认知成为常态;另一方面又与认知科学快速互动,产生了与人类认知互生的机器智能,既给增强人类认知提供了支撑,又给干预人类认知提供了机会,直接带来了人类认知独立性的失效,使以认知影响为目标的认知域成为科学竞争的最前沿、大国博弈的新舞台。

空间目标散射结构极化旋转域辨识

极化逆合成孔径雷达(ISAR)具备全极化测量和高分辨成像能力,已成为空间态势感知的重要传感器。作为典型的人造目标,空间目标散射特性敏感于目标姿态和雷达视线方向的相对夹角。这种散射多样性给极化ISAR数据解译带来困难,也蕴藏着丰富的极化散射信息。为提高空间目标散射结构辨识性能,该文深入挖掘绕雷达视线的极化旋转域信息,提出一种空间目标散射结构极化旋转域辨识方法,共包含3个步骤。首先,对极化ISAR数据开展绕雷达视线的极化旋转域分析,导出极化相关方向图特征。其次,分析基本散射体的极化相关方向图特性,构造极化特征编码矢量。最后,基于极化特征编码矢量距离度量实现散射结构极化辨识。围绕太阳能帆板、反射面天线等空间目标典型部件开展仿真实验研究,所提方法相较于传统的Cameron分解方法性能更优,鲁棒性更高。

基于变邻域人工蜂群算法的三维矩形箱体下料优化研究

相比一维、二维下料问题,三维空间下料优化问题存在零件规格种类多样、数量庞大、尺寸约束及工艺约束等多重因素限制,导致原材料利用率偏低的现象。为此,文中以三维矩形箱体为研究对象,建立了三维空间下料模型,基于变邻域人工蜂群三维矩形箱体下料算法及算法流程,设计了4种三维变邻域搜索策略:邻域交换、邻域顺序、邻域逆序及邻域正交,提出了5种三维解码方式:SCO,BCO,HO,WO和LO。试验结果表明:变邻域人工蜂群算法较人工蜂群算法在三维矩形箱体排样中有效提高了原坯料利用率及排样效率,排样方案更优、算法迭代时间更短、更加贴合生产实际,对解决制造业在三维空间下料效率与成本方面所面临的问题,具有很好的借鉴意义。

基于多特征算法选择的太赫兹时域光谱用于水稻种子掺假研究

该文提出了一种基于太赫兹时域光谱的水稻种子模式识别方法。实验以10种不同品牌混合掺假的水稻种子为样本,基于采集的样本太赫兹时域光谱数据,通过建立Relief、随机森林(RF)、支持向量机递归特征消除(SVM-RFE)和最大相关最小冗余(mRMR)模型分别对样本光谱波长进行特征选择,最后设计分类器对4种特征选择方法处理后的样本进行分类识别。结果表明,基于布谷鸟算法(CS)优化的极限学习机模型对经RF特征选择算法提取后的样本光谱数据具有最佳识别效果,其准确率可达100%,实验对于法庭科学领域内种子的掺假鉴定具有一定的借鉴意义。

基于跨域衍生的针织图案设计方法研究——以陕西藤编为例

现代工业化发展让包括陕西藤编在内的传统手作面临断代与流失。随着区域民族文化与复合题材时尚的流行,以时尚为载体的跨域衍生为区域民族传统技艺的传承带来机遇。本文从图案、色彩、工艺三个维度挖掘陕西藤编图案与针织产品的跨域触点,通过分析陕西藤编图案的构成形式与用色规律抽取设计因子,借助形状文法匹配针织工艺提出跨域衍生的针织图案设计方法。经方法应用与对比评价实验,陕西藤编跨域衍生针织图案受到了更高的注视时长,为针织图案创新设计与传统技艺文化的可持续发展提供理论方法参考。

基于Φ-OTDR+BP神经网络分类器的海缆防锚害系统模式识别

基于相位敏感光时域反射计(Φ-OTDR)的分布式光纤振动探测是海缆锚害预警的重要防护手段。针对探测海缆锚害的入侵事件类型判别需求,提出将反向传播(BP)神经网络分类器应用于基于Φ-OTDR的海缆防锚害系统中,介绍了基于Φ-OTDR+BP神经网络分类器的海缆防锚害系统原理,采用信号时域特征和时频域特征作为特征向量,构建基于BP神经网络的分类器,实现了对入侵事件类型的判别。试验结果表明,分类器的模式识别准确率达到100%。

领域驱动设计在爱太极网站中的应用

为了推广普及观海卫太极拳的传承与学习,建设一个高质量的“爱太极”网站十分必要。本文提出基于领域驱动设计的方法,设计了系统主要的领域模型,解决聚合与数据表一对多和应用AOP问题的实现问题。实践结果表明,基于领域驱动设计的网站开发提高了软件的可读性、可维护性和可复用性。

基于条件对抗域自适应的燃气轮机跨工况气路故障诊断技术

近年来,基于模式识别的方法已大量应用于燃气轮机气路故障诊断,并取得一定效果。然而其故障识别准确率常局限于单一工况。为解决基于模式识别的气路故障诊断方案在多种工况下的故障识别准确率低下的问题,该文建立基于深度学习和条件对抗域自适应的模型,用于提取跨工况不变特征,进而提升模型对工况差异干扰的抗性,并保障模型在多种工况下的气路故障识别准确率。此外,该文设计多种跨工况故障诊断任务来验证所提出方案的有效性。

中域效应假说:模型、证据和局限性

物种多样性的地理格局是宏观生态学和生物地理学的核心问题之一,中域效应假说是该领域的一项重要的理论进展。中域效应是指由于边界对物种分布构成限制,使不同物种分布区在区域中间重叠程度较大,而在边界附近重叠较少,从而形成物种丰富度从边界向中心逐渐增加的格局。现有研究表明,中域效应是影响物种丰富度格局的一种重要机制,但其作用大小受很多因素的影响。本文介绍该假说的基本假设和模型,模拟分析不同模型之间的差异,并就中域效应假说所展开的争论进行综述,指出该假说的合理性和局限性。我们认为,中域效应假说的重要性在于揭示了几何(边界)限制和随机过程在物种多样性地理格局中的作用,但其目前的模型和假设还过于简单,需要在深入理解物种分布机制的基础上进行完善和发展。

超宽带TEM天线的数值模拟

用数值方法研究了超宽带电磁脉冲源经同轴型传输线输出到 TEM天线上的发射问题。 TEM喇叭天线的前端是平行板传输线。用时域有限差分方法模拟了超宽带电磁脉冲在平行板传输线和 TEM波喇叭中的传输 ,给出了天线的输入阻抗和电压驻波比随频率的变化关系、天线的辐射场分布以及天线辐射的能量方向图等。

模拟植物生长算法与知识创新的几点思考

讨论了"知识DNA的跨域映射"思想.基于这种思想,对模拟植物生长算法(PGSA)的理论体系和应用案例进行了分析.PGSA是以植物向光性理论为启发式准则的智能算法,该算法在各领域中的应用情况表明,知识DNA(如植物生长、遗传变异、蚂蚁觅食、鸟群捕食、固体退火等规律的知识)的跨领域映射对于智能算法的创新具有一定的现实意义.

软件体系结构设计方法的研究

科学合理的软件体系结构是开发一个成功应用系统的必要条件,对于提高系统的开发效率和质量具有非常重要的意义。首先分析了软件体系结构与相关概念的关系,接着剖析了软件体系结构的几种主要设计方法的设计过程,最后指出了这些设计方法的不足之处及下一步可能的研究方向。

模拟反馈联想记忆的吸引域和指数收敛速度的估计及其应用

本文得到了若干关于模拟反馈联想记忆各记忆模式的吸引域及其中每一点趋向相应记忆模式的指数收敛速度的估计结果，它们可用于高效模拟反馈联想记忆的性能评价以及综合过程．

国际石油合作模式演变及合作领域扩张

国际石油合作模式虽有相当长的历史,但在可持续发展观与和谐发展观审视下存在局限性。通过对国际石油合作模式演变历程的梳理,得出国际石油合作领域存在局限性和制度缺失,主张采取国际调节的模式扩张国际石油合作领域,以期在全球范围内实现石油资源可持续勘探开发、公平分配和消费的目的。

基于MEMS惯性传感器的人体多运动模式识别

针对人体多运动模式识别中识别精度低的问题,提出一种基于MEMS惯性传感器的人体多运动模式识别算法。该算法选取MEMS加速度传感器的时域特征作为模式识别特征量,提取MEMS角速度传感器的时域特征作为二次识别的特征量,能够准确识别走、跑、站立、上楼、下楼、趴倒、躺倒、倒退多种运动模式。识别过程采用分层识别算法,同时使用支持向量机识别区分难度较大的两类行为动作。嵌入式消防单兵定位系统平台的实验验证表明,利用该算法能够识别消防单兵的多运动模式,平均识别精度达到94%以上。