导读:本文包含了多模式识别论文开题报告文献综述及选题提纲参考文献，主要关键词:模式识别,FBGS,故障诊断,故障预测
多模式识别论文文献综述
姜婷睿[1]（2018）在《基于多模式识别的FBGS故障诊断与预测研究》一文中研究指出光纤光栅传感器是船体结构健康监测系统中的重要传感设备之一,它可以对船体结构应力进行监测,将屈服数据、疲劳数据传送给上位机,从而确保实时航行的安全。由于船舶长期航行于复杂恶劣的环境中,船体经常会受到海浪抨击、海水腐蚀,这会使传感器的性能下降,一旦结构损伤累积到一定程度就会影响货物运输,甚至威胁工作人员生命安全。因此我们有必要对传感器进行故障诊断研究。本文以船体结构健康监测系统为研究对象,把模式识别技术应用在故障诊断和故障预测中,给出了小波包和主元分析相结合的故障特征提取方法,然后分析了支持向量机、随机森林、极限学习机在解决故障识别问题的上的优劣,最后对故障信号进行预测弥合,实现了监测系统的高精度和高可靠性。首先,本文在阅读相关文献和实践分析的基础上,分析了国内外光纤光栅传感器在船舶监测方面的应用现状,介绍故障诊断技术的发展情况、任务及流程。然后对光纤光栅传感技术的适用性及优势进行了详述,分析船舶航行过程中可能出现的故障类型及成因,进行故障模拟实验,提出传感器的故障诊断及预测方法。其次,对船用光纤光栅应变传感器的故障信号特征提取进行了研究,介绍了小波包变换的基本原理及优势,然后分析了小波包变换后特征提取数据,在数据冗余信息较多的情况下,这种提取方式的效果并不明显,继而又用主成分分析对数据进行特征选择和降维,最后提取出可以有效表征故障特性的数据。最后,对故障特征数据进行诊断及预测研究,分别分析了叁种常用模式识别方法对光纤光栅应变传感器的分类和预测结果,提出适用于光纤光栅传感器的故障诊断方案。设计了随机森林与支持向量机相结合的算法对光纤光栅传感器进行故障诊断和预测,最后验证了故障检测方法的有效性。(本文来源于《哈尔滨工程大学》期刊2018-05-01）
朱光旭[2]（2018）在《运动想象脑机接口多模式识别方法与应用研究》一文中研究指出运动想象脑-机接口是一种基于主动想象脑电信号,利用外部辅助设备实现人脑与计算机或其他电子设备之间通信与控制通道的技术。本文研究了BCI系统中的信号处理算法包括滤波算法、特征提取、特征分类。提出了一种新的核函数相关向量机分类器。最后完成了在线BCI系统的四旋翼控制实验。主要研究内容如下:(1)分析了巴特沃斯滤波、共同平均参考滤波和拉普拉斯滤波叁种EEG信号滤波方法。通过对运动想象脑电信号频率特征的分析,选择3-24Hz的巴特沃斯滤波方法去除高频干扰和噪声伪迹。设计了“一对一”共空间模式提取四类运动想象EEG的特征。(2)分析了经典的脑电信号的特征分类算法:线性分类器、支持向量机以及人工神经网络的优缺点,针对EEG信号特征,选择了基于贝叶斯稀疏概率模型的相关向量机作为运动想象脑电信号的分类算法。(3)对相关向量机核函数进行改进,提出了新的核函数相关向量机分类器。首先以组合核函数代替单核核函数改进了常规的相关向量机分类器,实验结果表明,组合核函数相关向量机分类器较单一核函数相关向量机分类器具有更高的分类准确率。而后,针对EEG信号的动力学特征,提出了一种新的混沌核函数相关向量机,实验结果表明,与高斯核函数相关向量机等比较,所提出的分类器具有更准确EEG分类精度。(4)为验证所设计方法的有效性,搭建了一个在线BCI平台,实现了利用四类运动想象任务对四旋翼完成起飞、前进、左移和降落四个动作的有效控制。在线实验证实,所设计在线BCI系统具有较高的可靠性。(本文来源于《天津理工大学》期刊2018-01-01）
隗玲,许海云,胡正银,董坤,王超[3]（2016）在《学科主题演化路径的多模式识别与预测——一个情报学学科主题演化案例》一文中研究指出[目的 /意义]基于主题关联相似度揭示主题汇聚及变异过程,识别学科交叉主题及交叉模式,归纳学科主题的演化趋势及演化路径模式。[方法 /过程]获取情报学学科科研论文的高频主题词,构造主题词共词矩阵,利用网络社区演化分析工具生成学科主题演化网络图,结合指标数据对学科主题演化过程进行分析。[结果/结论]总体上看,情报学学科的研究主题虽然在反复地变化,但核心主题一直存在;扩张、收缩和合并是研究主题最普遍的变化态势,分裂现象较少,产生和消亡现象存在;有3条特定社区演化轨迹清晰地贯穿始终,活跃度相对稳定,反映了3类核心研究主题;3类核心研究主题的演化路径呈现出升华吸纳、共融迭新和辐射推进3种演化模式。研究结果显示,基于主题关联学科主题演化路径的多模式识别方法既能从宏观层面呈现学科主题演化形式,也能从微观层面分析学科主题交叉模式,结合二者可揭示学科主题的继承或创新,预测学科交叉主题的发展方向。(本文来源于《图书情报工作》期刊2016年13期）
刘杨[4]（2015）在《脑机接口信号的多模式识别融合技术研究》一文中研究指出脑电信号是人体大脑产生的一种重要生理电信号。大脑作为人体最神秘、最复杂的器官,一直以来是科学家们的研究重点,脑电信号更是科学家们研究的聚焦点。脑电信号中既包含人体大脑日常活动产生的基本信号,又包含人体大脑根据自发想象或外界刺激所产生的思维信号。无论对人体大脑各个区域详细功能的研究还是对人工智能等相关领域的开发,脑电信号都具有很重要的作用。脑机接口技术指的是在人体的大脑与电脑、轮椅等外围设备之间设立的一条进行信息交流的通道。脑机接口系统既能根据人体大脑产生的脑电信号中包含的思维信号的分析处理结果来简单控制计算机等外围电子设备,达到简单控制外部环境的效果;又能根据外围电子设备的运动,对人体大脑进行相应的外界刺激从而产生新的思维脑电信号,达到重新控制外围电子设备的目的。随着交流障碍患者和肌萎缩性硬化、脊髓损伤等脑疾病患者数目的增多,对这种脑机接口技术的要求不断提高。如何提高脑机接口系统中对相关脑电信号进行分析计算的结果的精度成为困扰科学家们的难题。P300脑电信号是人体的大脑在接受到特定模式的视觉诱发刺激而形成的一种诱发电信号,因其具有形成时间固定、在大脑头皮特定区域能量明显、易于检测等特点而成为脑机接口系统中最常用的一种脑电信号。利用人体大脑根据视觉诱发刺激产生的P300脑电信号作为输入信号的脑机接口系统中,实验者无需经过特别的专项训练就可以达到预定的效果。本课题采用第叁届脑机接口数据竞赛组织方提供的P300脑电信号,开展脑机接口信号的多模式识别融合技术研究,以期提高脑机接口系统中脑电信号进行分析计算的结果的精度,促进脑机接口技术的实际工程应用。论文主要开展了以下内容的研究工作:(1).P300脑电信号的预处理过程。P300脑电信号中有用频率主要集中于0-30Hz的范围,因此首先对脑电信号作低通滤波处理,消除高频干扰。然后采用最优加权迭加方法对滤波后的脑电信号进一步处理,以消除脑电信号采集过程中受到相邻电极的相互作用,使得本来准时的波动出现延迟的问题。(2).运用小波变换、AR模型、主成分分析和近似熵等目前使用最广泛的四种算法提取预处理后的脑电信号中包含的特征。小波分解提取电位信号2-8Hz的频段作为测试样本;AR模型主要是构建一个4阶的AR模型,选取其模型的相应系数作为实验需要提取特征;主成分分析对64个通道进行空间解耦,并提取前十个主成分通道作为特征;近似熵算法是对选取的10个通道的信号段进行的近似熵计算值作为特征。(3).运用支持向量机、BP神经网络、径向基神经网络和朴素贝叶斯分类器四种不同类别的分类器对上文提取到脑电特征进行分类训练和测试。支持向量机分类器选用使用范围最广的线性函数作为需要的核函数;BP神经网络分类器基本思路是构建两层神经网络;径向基神经网络分类器能够随意逼近任何非线性函数,有良好的泛化能力和学习收敛速度;朴素贝叶斯分类器是基于独立假设的Bayes定理的简单概率分类器。采用提取出的特征对分类器进行分类训练和测试,最终得到选用支持向量机分类器能够获得最高92.94%的准确率。(4).将四种特征提取算法和四种特征分类算法交叉融合共构成16个脑电信号数据处理模型。分别运用这16种信号处理融合模型对实验提供的P300脑电信号训练后测试,得到不同融合模型的处理准确率。选用多组P300脑电数据处理后,结果表明由小波变换特征提取算法和支持向量机分类器融合构成的模型得到最高识别准确率,平均达到了90%。(本文来源于《重庆理工大学》期刊2015-03-25）
王敏[5]（2014）在《多向联想记忆神经网络的多稳定性及其在多模式识别中的应用》一文中研究指出本文研究了多向联想记忆(MAM)神经网络的多稳定性理论与多向联想记忆神经网络存储器的设计方法以及其在多模式识别中的应用。主要内容如下：本文的第二章研究了常系数时滞多向联想记忆神经网络多平衡点的存在性、多平衡点的指数稳定性与渐进稳定性。通过应用Brouwer不动点定理与Dini右上导数,得到了多个平衡点存在的充分条件以及多个平衡点指数稳定的充分条件。研究表明,具有m个域的多向联想记忆神经网络至少存在3l个平衡点,其中2l个平衡点指数稳定,其中l是与神经元数目相关的一个参数。同时,通过一个实例的数值模拟说明了结论的有效性。本文的第叁章研究了具有变系数分布时滞的多向联想记忆神经网络多周期解的存在性与稳定性。通过构造合适的Liapunov函数以及Poincare映射得到了多个周期解存在及指数稳定的充分条件。多周期解的存在性与稳定性由系统的参数决定,周期解的数目,由多向联想记忆神经网络的域的数目,以及各个域的神经元个数决定。在一定条件下,具有m个域,每个域中至少有n0个神经元的多向联想记忆神经网络至少具有2m[n0/2]个稳定的周期解。本文的第四章研究了时滞多向联想记忆神经网络多个概周期解的存在性与稳定性,利用指数二分法得到多个概周期解存在与指数稳定的充分条件。在一定条件下,衰减率、连接权值与外部输入为概周期函数的多向联想记忆神经网络具有多个指数稳定的概周期解,数值模拟验证了结论的有效性。本文的第五章研究了基于感知器的多向联想记忆神经网络存储器的设计方法与算法,结合实际例子讨论了具体的设计步骤,并设计多向联想记忆神经网络存储器应用于字符识别,仿真发现所设计的MAM神经网络能作为高效的存储器工作。本文的第六章研究了多向联想记忆存储器在植物叶片的多模式识别中的应用。提取植物叶片的形状特征,利用多向联想记忆存储器成功实现了植物叶片的多模式识别,所有叶片都被正确识别到相应类别。(本文来源于《湖南农业大学》期刊2014-06-01）
张启忠,席旭刚,罗志增[6]（2012）在《基于表面肌电信号形态特征的多模式识别研究》一文中研究指出为提高肢体运动模式识别率,基于肌电信号的产生机理提出了选用信号的形态特征实现肌电信号模式识别的新方案。方案以分形理论中关联维及分维数的概念分别表征肌电信号的复杂度及自相似性,其中关联维的计算采用了一种改进的G-P算法、即G-P关联维逼近法;在手部动作模式识别中,以关联维和分维数作为表面肌电信号的特征向量,分类器采用由对支持向量机构造的二叉树结构多类分类器。针对手部张开、合拢及腕伸、腕屈4种运动模式的识别实验,该方法的正确识别率达到了91.0%,已具备一定的实用性。(本文来源于《传感技术学报》期刊2012年12期）
杨大鹏,赵京东,姜力,刘宏[7]（2009）在《基于肌电信号的人手姿态多模式识别方法》一文中研究指出为了实现多自由度假手的控制,需要基于人体肌电信号识别更多的手部姿态.采用6枚表面肌肤电极获取肌电信号,使用样本均值构成特征向量训练支撑向量机,通过对人手姿态模式进行合理规划,实现了人手19种姿态的有效分类.相比传统稳态特征集而言,新方法使用阈值特征集训练分类器,使其在总体及模式过渡特征的识别率上均有提高.基于此而构建的人手姿态多模式在线识别方法将使多自由假手的肌电控制更加直观与有效.(本文来源于《上海交通大学学报》期刊2009年07期）
李聪超[8]（2009）在《基于YK编码的多模式识别方法及其在DNA分类上的应用》一文中研究指出在研究对象分类时出现了一个问题。对于任何一个对象,由于它的多功能性,它可以同时属于多个类别。如何判断一个具有若干特征的对象同时属于多个类别?这就是所谓的“多对多联想模式识别”,简称“多模式识别”。多模式识别在信息识别中是一个急需解决的技术问题,对于研究具有多功能性或者信息量丰富但功能并不清楚的对象而言,它将大大提高分类结果的最终准确性。本研究选择来自NCBI(美国国立生物技术信息中心)的GenBank中的水稻DNA序列indole-3-acetic acid-amido synthetase、F-box protein、RING-H2 finger protein叁个基因家族作为研究材料。本文主要研究内容包括以下叁点1、对于被分类对象,利用信息论中YK编码方法从对象中建立特征字符串字典,从而提取特征数据,统计出各特征字符串重复出现的频数,计算出特征字符串重复出现的频率百分比,以此作为本研究的主要研究数据。2、研究多模式识别方法的实现。设计出两种方法。一种是距离判别方法；另一种方法是利用神经网络来实现多模式识别。3、将以上研究应用于DNA序列分类上,主要内容有(1)运用YK编码方法,建立DNA序列特征字符串字典,利用各特征字符串重复出现频率的百分比作为主要研究数据,通过距离判别DNA序列,实现DNA序列多模式识别。(2)选择YK编码DNA序列特征字符串字典中重复出现频率最高的前十个特征字符串百分比作为神经网络的输入向量,结合已知的目标输出,建立指导下学习的BP神经网络,实现DNA序列多模式识别。(3)本研究还从生物学角度考虑,将DNA序列转录翻译成蛋白质序列,根据氨基酸分子中侧链基的极性性质,将蛋白质序列中的20种氨基酸和终止信息码分成5类。以5类氨基酸分子中侧链基的极性性质的百分比含量作为输入向量,结合已知的目标输出,建立指导下学习的BP神经网络,实现DNA序列多模式识别。(本文来源于《湖南农业大学》期刊2009-06-10）
多模式识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
运动想象脑-机接口是一种基于主动想象脑电信号,利用外部辅助设备实现人脑与计算机或其他电子设备之间通信与控制通道的技术。本文研究了BCI系统中的信号处理算法包括滤波算法、特征提取、特征分类。提出了一种新的核函数相关向量机分类器。最后完成了在线BCI系统的四旋翼控制实验。主要研究内容如下:(1)分析了巴特沃斯滤波、共同平均参考滤波和拉普拉斯滤波叁种EEG信号滤波方法。通过对运动想象脑电信号频率特征的分析,选择3-24Hz的巴特沃斯滤波方法去除高频干扰和噪声伪迹。设计了“一对一”共空间模式提取四类运动想象EEG的特征。(2)分析了经典的脑电信号的特征分类算法:线性分类器、支持向量机以及人工神经网络的优缺点,针对EEG信号特征,选择了基于贝叶斯稀疏概率模型的相关向量机作为运动想象脑电信号的分类算法。(3)对相关向量机核函数进行改进,提出了新的核函数相关向量机分类器。首先以组合核函数代替单核核函数改进了常规的相关向量机分类器,实验结果表明,组合核函数相关向量机分类器较单一核函数相关向量机分类器具有更高的分类准确率。而后,针对EEG信号的动力学特征,提出了一种新的混沌核函数相关向量机,实验结果表明,与高斯核函数相关向量机等比较,所提出的分类器具有更准确EEG分类精度。(4)为验证所设计方法的有效性,搭建了一个在线BCI平台,实现了利用四类运动想象任务对四旋翼完成起飞、前进、左移和降落四个动作的有效控制。在线实验证实,所设计在线BCI系统具有较高的可靠性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多模式识别论文参考文献
[1].姜婷睿.基于多模式识别的FBGS故障诊断与预测研究[D].哈尔滨工程大学.2018
[2].朱光旭.运动想象脑机接口多模式识别方法与应用研究[D].天津理工大学.2018
[3].隗玲,许海云,胡正银,董坤,王超.学科主题演化路径的多模式识别与预测——一个情报学学科主题演化案例[J].图书情报工作.2016
[4].刘杨.脑机接口信号的多模式识别融合技术研究[D].重庆理工大学.2015
[5].王敏.多向联想记忆神经网络的多稳定性及其在多模式识别中的应用[D].湖南农业大学.2014
[6].张启忠,席旭刚,罗志增.基于表面肌电信号形态特征的多模式识别研究[J].传感技术学报.2012
[7].杨大鹏,赵京东,姜力,刘宏.基于肌电信号的人手姿态多模式识别方法[J].上海交通大学学报.2009
[8].李聪超.基于YK编码的多模式识别方法及其在DNA分类上的应用[D].湖南农业大学.2009