事业成功的人格障碍

1、惰性。这是影响事业成功的最大障碍,因为,受生理和心理因素的影响,人们广泛存在怠惰和慵懒毛病,这是人类普遍存在的心理危机。惰性一旦占据人的一定位     

模式识别在纺织材料图像分析中的应用

模式识别是人工智能的一个重要分支 ,是当代高科技研究和应用的重要学科。在纺织品质量测试领域中 ,近年出现了一种采用计算机数字图像处理技术的新型客观评估系统代替传统主观视觉评估法的新趋向 ,而模式识别方法则成为这种客观评估不可缺少的组成部分。1　模式识别的原理和方     

啤酒1H NMR指纹谱与模式识别分析

本实验以啤酒为研究对象,提出了一种基于核磁共振质子(1HNMR)谱的指纹识别分析方法。该工作根据啤酒样本的特点,对样品预处理方法、核磁共振实验技术与实验条件、数据处理以及模式识别等环节进行了分析研究。在此基础上获取了一组市售听装啤酒的1HNMR谱,并对其指纹特征进行了初步判证。同时利用主成分分析等手段对上述样品的谱图数据进行了模式识别的类分分析,成功地将19种啤酒按产地区分开来。实验中所采用的方法可靠、易控,可以直接用于液态食品检验。     

模式识别在输水管网明漏与暗漏检测中的应用

输水管网的明漏和地下水管的暗漏是供水系统的重要研究问题,挖掘输水管网明漏和暗漏的漏损模式,对于保障供水系统的正常运转有着重要意义。文章基于整体-局部的思想,首先针对明漏问题构建端到端的失水率模型,以5%作为警戒阈值,刻画失水率分析图;其次引入皮尔逊系数对端与邻端做相关性检测,建立地下水管暗漏的检测预警模型,结合实际数据进行检测和定位。实验结果表明,该模式能有效、快速的检测漏损情况。     

采用RAM加权技术的自适应模式识别系统

简要介绍了利用ＲＡＭ网络实现的自适应模式识别系统（ＷＩＳＡＲＤ）的结构和工作原理,提出了利用ＲＡＭ加权技术优化系统性能的方法,就该方法对系统性能的优化给出了简例,并从理论上作了初步的证明。     

基于近红外光谱的烟叶SIMCA模式识别

研究了基于烟叶的近红外光谱数据通过软独立模式分类(SIMCA)识别不同烟叶的方法。首先对每种具有确定产地、等级、品种的目标烟叶进行多次分布式取样,扫描目标烟叶多个样品的近红外光谱;再对目标烟叶近红外光谱进行主成分分析(PCA)运算生成每种目标烟叶的数据模型;然后扫描未知烟叶的近红外光谱,用目标烟叶数据模型对未知烟叶近红外光谱进行主成分分解计算,计算未知烟叶与目标烟叶的距离,通过距离衡量未知烟叶与目标烟叶的相似程度。建立了包含115种不同产地、等级、品种的目标烟叶的数据模型,对115个外部检验样品进行了模式识别,正确识别率高于90%。结果表明该烟叶模式识别方法基础数据易得,同时考虑了烟叶的平均水平和分布水平,识别准确率高,具有良好的发展前景。      

模式识别与智能系统的生存期树状模型研究

本文所建立的树状模型是一种同时适用于模式识别和人工智能系统的生存期模型。该模型受限通过相似化的比拟方式，通过极少数的模型结构单元组合成一类智能感知并且识别模式系统的原型，此外还可以通过少数的知识单元合并为一类人工智能系统的原型。接着，以上述模型为基础，领域的各个模型单元所有知识单元依照类似瀑布模型的各种阶段，通过流水生产的方法进行生产。最后，将其通过近似分类树状模型的方法放进库内，最终得以完成该系统的各类软件版本的开发。     

基于模糊模式识别的织物平整度等级评定

简述了模糊模式识别算法的基本原理,主要包括模糊规则和模糊推理系统,描述了模糊模式识别的算法流程,最后从Mamdani模糊模型出发,介绍模糊模式识别在织物平整度等级评定中的实际应用,并利用主、客观评价的相关系数验证模糊模式识别算法的可靠性。     

图像工程和模式识别在针织中的应用

对图像工程在针织中的应用现状进行了探讨,着重对针织物仿真模拟方法以及利用图像处理和模式识别技术对针织物进行参数检测、结构识别和疵点检测的方法进行了阐述。指出针织物仿真模拟的几种常用方法和它们的优缺点,各种图像理解与识别的方法在针织物参数测量、结构识别和疵点检测中的应用以及前景。     

一种改进的自适应模式识别系统

自适应模式识别系统具有大规模并行分布处理能力、通用性和自适应性 ,因而显示了巨大的潜力 .但由于其结构的原因 ,系统性能受到了一定的限制 .利用P .Kanerva提出的稀疏分布存贮原理对自适应模式识别系统进行改进 ,提出了一种新的系统模型 ,并就新系统的工作过程和主要特点作了较为详尽的叙述 .     

基于SVM算法的局部放电模式识别

气体绝缘组合电器（GasInsulatedswitehgefdr）局部放电检测对于保证其安全可靠运行具有重要的意义。为了对变压器故障进行有效诊断,试验设计了4种典型缺陷模型。用超声波法提取局部放电信号,得到局放分布图谱,获得了局放特征参数。根据所提取的特征参数的特点,通过支持向量机（SVM）分类算法对典型缺陷信号进行了模式识别。     

基于NIR分析和模式识别技术的葛根品种及产地判别

采用模式识别技术对不同品种(柴葛及粉葛)及不同产地(云南、安徽、广西、湖北、四川、重庆、湖南)的葛根进行判定。采集12个产地共120个葛根样品的近红外光谱数据,对光谱进行预处理并建立共有模式后,进行相似度及PLS判别分析,多元统计分析结果显示,除安徽柴葛外,其他组样品之间的相似度较高。分别选择不同的样品为测试集和训练集,基于PLS-DA对葛根种类粉葛和柴葛进行模式识别,对种类识别率为100%,对产地识别率为84.44%。采用kNN分析对葛根产地和品种同时进行模式识别,样品识别率达100%。实验结果表明,采用kNN模式识别可以很好识别不同产地和类别的葛根样品,方法具有可行性和有效性,为利用近红外光谱结合模式识别技术进行葛根品种真伪优劣鉴别、道地性及产地可追溯研究提供了理论依据和实用方法。     

国产烤烟烟叶的NIRS模式识别

以近红外光谱的主成分描述烟叶特征,采用马氏距离判别准则对不同产地的国产烤烟烟叶进行了产地、部位、等级的模式识别。结果表明:①预测准确率随样本的复杂程度和数量而变,波动范围为74%~97%。错分率高于80%的样本主要集中在自然生态环境多样性和复杂性程度较高的云南、贵州、四川及重庆地区的交界地域,说明按照行政区划分烟叶产区不尽合理;②部位、等级识别的准确率低于产地的识别,这与样本数不够大、烟叶分级受人为因素影响较大有关。     

拉曼光谱结合模式识别方法鉴别大米种类

为实现大米种类准确、快速的鉴别,选购72份大米样品,粉碎,采集粒度为100-140目米粉的拉曼光谱,对谱图数据进行去噪、归一化和特征提取后,综合运用主成分分析（PCA）、层次聚类分析（HCA）和支持向量机（SVM）三种方法对粳米、籼米和糯米进行聚类与模式识别研究。三种大米经PCA分析可直观地归为三簇,籼米和糯米可被区分开,但粳米与糯米、粳米与籼米不能区分。HCA结果表明粳米与籼米较难区分,糯米与其它两种米有较大差异,三种大米经HCA聚类分析准确率为81.94%。而采用SVM判别方法经10次运行后的平均识别率达98.86%。实验证明：拉曼光谱法结合支持向量机用于大米种类的分类与识别简单快速,在分析数据相对复杂的情况下,可快速建立分类模型并实现大米种类间的鉴定与识别。     

在本科模式识别课程中引入最优化方法教学内容的思考

几乎所有模式识别问题都可以表示为目标函数的最优化问题,因此最优化方法基本上贯穿了整个模式识别教学过程,在模式识别课程中占有非常重要的地位.最优化方法的基础概念和经典算法掌握不扎实,则很难深入掌握模式识别的核心知识.本文结合本科模式识别课程的特点,分析了当前教学模式的局限性,从学生已具备的最优化知识、教学内容设置原则和教学结构等因素出发,探讨了模式识别课程中最优化教学内容的整体规划和具体设计方案,以提高学生利用最优化方法分析和解决模式识别实际问题的能力.     

模式识别及其在计算机视觉中的实现

数字信号处理、物理学、几何学、模式识别等知识结合一体形成计算机视觉技术。文章中主要简单地介绍了模式识别的基本框架及其主要方法,并对计算机视觉技术的在生活中的实际应用进行了分析。     

基于三维荧光光谱及模式识别技术对当归质量的分析与鉴别

利用荧光光谱分析技术,筛选供试品溶液制备和光谱分析测试条件,建立当归提取物三维荧光光谱质量分析和判别方法.研究结果表明,当归水提取物与50％甲醇-水提取物具有相似的三维荧光光谱,主要呈现出270 nm/345 nm、270 nm/475 nm和330 nm/475 nm三个特征激发/发射(λex/λem)峰,但特征峰的...     

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。     

利用模式识别技术鉴别中国葡萄酒的产地和品种

通过测定样品的物理化学指标来辨别中国葡萄洒的品种和产地.本实验借助葡萄洒分析仪和紫外可见分光光度计,共测了20项物理化学指标.33个样品来自3个不同的产地,34个样品来自3个不同品种.方差分析破用来鉴别具有显著差异的变量.主成分分析和逐步判别分析被用来对数据进行进一步的分类分析.最终,通过典则判别分析分别建立了有效的产地鉴别和品种鉴别的判别模型,并且交义检验被用来对该模型的预测能力进行估计,正确率分别为93.94%和100%.     

地沟油模式识别技术的研究

借鉴中药指纹图谱的研究思路,在优选的色谱条件下,采用气相色谱法对16个样品进行分析,利用相似度软件筛选出12个共有峰,通过方法学验证,12个共有峰精密度、稳定性的RSD分别小于2.6%和6.1%。在此基础上,采用主成分分析（PAC）和偏最小二乘判别（PLS-DA）,对16个样品的12个共有峰进行化学计量学研究,建立地沟油模式识别模型。利用所建立的地沟油模式识别模型对16个样品（7个正品油,9个地沟油）进行判别分析,结果表明:所建立的模式识别模型能较好的区分地沟油和正品油。本方法仅使用气相色谱（GC）,结合化学计量学分析,简单快速,便于推广,可用于地沟油的快速鉴别。