数据挖掘

数据挖掘属于大数据范畴研究的热点问题，是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式。帮助决策者调整市场策略,减少风险，做出正确的决策。     

基于图像处理的光纤预警系统模式识别

光纤预警系统作为石油、化工等行业中应用广泛的安全设备,对其使用时,铺设较为方便,很容易将其工程化,同时,抗电磁能力较强,使其具有更加良好的检测能力。想要光纤预警系统发挥出最大化的作用,必须使用效率更高、模式识别更加准确的方法。文章研究了基于图像处理的光纤预警系统模式识别,为光纤预警系统发挥出更大的作用打下良好基础。     

变频空调实际运行模式识别及数据挖掘

变频空调的长期运行数据是空调在实际环境中运行状态最直接的反映,空调运行的内在规律潜藏在其长期的运行数据中,分析其长期运行数据时,由于数据冗余、存在异常数据等原因,需要采用数据挖掘的方法进行研究。采用聚类算法进行分析,空调的运行模式可总结为三种模式,即上午高负荷模式、下午高负荷模式以及低频平稳模式,三种模式下空调的送风温度都比较接近,但室外温度有所区别。上午(下午)高负荷模式中,室外温度在上午(下午)最高,功率及制冷性能系数(Energy efficiency ratio, EER)分别处于峰值及谷值,低频平稳模式下,室外温度并不高,开机后空调运行比较稳定,运行参数变化不大。此后,采用控制变量法和多项式拟合来分析环境工况参数对空调性能的影响,室外侧环境温度、空调回风温度的升高均导致空调的功率增加,而空调的EER随着回风温度的升高而增加,随着室外温度及空调的功率(运行频率)的增加而下降。采用神经网络算法,研究基于空调送风侧参数预测变频空调性能的方法,并建立神经网络预测模型,该方法的预测误差在15%以内,可以通过控制空调运行时的送风侧参数,达到控制空调性能的目的。最后,根据以上研究成果,提出变频空调控制优化方法,提高空调在线长期运行能效。     

混合属性广义灰靶决策方法的模式识别功能研究

为研究混合属性广义灰靶决策方法的模式识别功能，根据其具有靶心指标可变动，决策依据（靶心距）具有开放性、可扩充的特点提出了可用于模式识别的理论框架。该理论框架首先确定标准模式的特征及待识别目标，分别作为靶心指标向量和决策方案；其次，化各类混合属性值为二元联系数，并视为指标向量；然后，基于指标向量计算各待识别目标向量与靶心向量的接近度；最后，根据各待识别目标的综合接近度确定待识别目标的相应模式。应用分析表明，投资企业y₁和y₂与模式S₃和S₂的最小综合接近度分别为0. 427 0和0. 237 5；因此，企业y₁与y₂分别选择投资模式S₃和S₂是适宜的。     

基于CRFID和模式识别的跌倒检测系统

根据老年人跌倒发生率高、损伤大、抢救率低等特点,结合可计算射频识别标签(CRFID)与模式识别技术,设计一个改进的跌倒检测系统。通过CRFID采集状态信号,由经验模态分解获取信号的时频特征,对该特征进行主成分分析降维,并使用随机森林算法检测跌倒状况。实验结果表明,该系统的查全率、精确度、转移性和准确率分别为97.75%、97.9%、98%、97.8%,能实时、准确地检测老年人的跌倒行为。     

基于非线性特征和线性映射的多视角低分辨人脸识别算法

针对分辨率变化、视角变化和认证集单样本等实际条件下的人脸识别问题,提出了一种基于回归的人脸识别算法。该算法采用核主成分分析法(kernel principal component analysis)分别提取侧面低分辨率和正面高分辨率人脸特征,利用Procrustes分析建立每一种侧面视角低分辨率KPCA特征和正面高分辨率KPCA特征间的映射关系,从而获得对应的回归模型。根据这些回归模型,即可得到测试侧面低分辨率人脸对应的正面高分辨率KPCA特征,并通过最近邻分类器进行识别。在标准图库上的实验表明,与基于线性模型的人脸识别对比算法相比,本文所提算法识别率提高了4%至36%,而在线测试时间仅比最快的对比算法多1.087ms。     

基于机器视觉的番茄脐腐病的鉴别

利用计算机视觉技术,通过图像处理和模式识别方法,对番茄脐腐病的自动识别进行研究。首先利用中值滤波法对病症图片进行处理,去除噪声,其次采用Otsu算法对病斑进行分割。通过提取病斑区域的颜色特征和形状特征,同时采用贝叶斯判别方法和支持向量机方法实现特征参数的提取。实验结果表明,贝叶斯判别方法对训练样本和实验样本的判别准确率分别达到100%和92%,高于支持向量机方法,实现了番茄脐腐病的准确识别。