给大家推荐8篇关于模式识别的计算机专业论文

今天分享的是关于模式识别的8篇计算机毕业论文范文, 如果你的论文涉及到模式识别等主题,本文能够帮助到你

软件无线电中调制、模式识别及解调的实现

这是一篇关于软件无线电,模式识别,调制解调,System Vue,数字上/下变频的论文, 主要内容为传统的通信系统是针对于特定的调制样式、特定的带宽的单一型系统,一旦硬件固定,参数也就固定了,所以,其应用范围非常有限,很不适应现在的多调制、多服务的通信系统。可以说,传统的通信系统有许多不足,它的这种事先约定性给它的功能扩展带来了不便。软件无线电要解决的也是这种事先约定性,它具有多功能、多调制、多频段的特性。由于多调制的存在,就要有自动的多调制的识别方法,如何将自动调制识别方法与软件无线电的解调方法相结合,同时实现信号的自动接收和解调,是实现软件无线电的关键技术之一,具有重要的应用前景。本文通过研究软件无线电的基础理论,依据决策理论给出的决策树识别方案,探讨了软件无线电中基本调制制式信号的自动识别问题。同时对基于软件无线电的模拟、数字通信信号调制解调通用结构进行了研究,推导出了PSK、FSK、ASK、FM、AM信号的调制解调算法,并使用System Vue对这些算法进行了快速仿真,从而证明了算法的正确性和可行性。本文设计了基于FPGA+DSP的软件无线电通信平台,采用专用通信芯片AD9752和数字下变频器AD6654为核心器件。用VHDL、Verilog HDL和C语言作为编程语言进行模块化设计,设计了调制解调模块与调制信号模式识别模块等软件程序。本文给出的软件无线电设计方案,可以大大简化数字通信系统的硬件设备,同时提高其通用性和灵活性,通过修改系统参数和配置程序,可以适应不同的通信模式和信道状况,充分体现软件无线电的优势。

基于深度学习的多智能感官信息融合检测技术研究与应用

这是一篇关于智能感官,深度学习,信息融合,模式识别,检测技术的论文, 主要内容为智能感官可以模仿舌、鼻和眼等器官的感知特点,得到样本的感官信息。智能感官结合模式识别算法可以实现对食品的综合分析,目前智能感官信号处理方法多基于浅层机器学习方法,难以得到样本的深层次的有用特征,且由于食品的品质以多种形式表现,单一感官不能全面表征样本信息。本文基于电子舌、电子鼻和电子眼,结合深度学习和信息融合方法,研究了多智能感官信息融合检测技术,并用于食品质量检测和产地溯源。具体研究如下:(1)为实现陈醋酿造年限的准确分析,提出采用电子舌和电子鼻结合密集卷积网络-极限学习机(Dense Net-ELM)模型的检测方法。分别采取陈醋的电子舌和电子鼻响应信号,针对信号不同的特点,设计两个Dense Net模型ET-Dense Net和EN-Dense Net,用于提取信号特征,并通过特征拼接实现特征融合。采用极限学习机(ELM)对融合特征进行分类识别。实验结果表明,Dense Net能够有效提取到电子舌和电子鼻信号中的深层特征;相比于单一感官和传统方法,所提方法对不同年限陈醋检测准确性更优。(2)为实现对黑胡椒产地的溯源检测,提出协同应用电子舌、电子鼻和电子眼结合卷积神经网络(CNN)和通道注意力机制(CAM)的检测方法。使用三种智能感官采集黑胡椒的响应信号,并设计ET-CNN、EN-CNN和EE-CNN分别提取信号的特征,CNN的参数通过贝叶斯优化算法(BOA)进行全局优化。针对特征简单拼接难以体现不同感官特征重要性的问题,特征融合阶段引入CAM,实现特征高效融合。实验结果表明,CNN的特征提取能力明显优于传统机器方法,相比于使用单一感官,所提出的方法具备更好的性能。(3)为实现不同产地枸杞的溯源检测,提出一种电子舌、电子鼻和电子眼结合改进胶囊网络(Caps Net)的检测方法。针对电子舌和电子鼻信号的非线性、时序性特点,使用递归图与格拉姆角和场分别实现信号的二维化,将三种智能感官的二维信号进行数据级融合。引入多尺度特征提取模块(MFEM)和空间注意力机制(SAM)对Caps Net进行改进,并将其用于融合信息的模式识别。实验结果表明,相较于使用单一感官和不同结构的网络,所提方法取得更优的检测准确性。以上研究从模式识别技术和信息融合方法两个方向切入,为深度学习结合多智能感官信息融合的检测技术提供新的研究思路。

基于ZigBee技术的环网柜在线监测系统研制

这是一篇关于ZigBee,环网柜,在线监测,局部放电,模式识别的论文, 主要内容为随着我国10kV及以下电压配网环网柜的安装与使用量日益增加,传统的环网柜周期性巡检运维方法由于工作量大、现场检测设备繁杂、检修时间长等原因,常会降低检测效率,存在漏检、误检等问题。针对上述原因和问题,本文研制了一款基于ZigBee无线组网技术的环网柜在线监测系统,主要为保证10kV及以下电压环网柜的安全可靠运行,大幅提高运维智能化水平。首先,我国的环网柜在线监测设备基本采用有线传输的通信方式,有线传输灵活性差、安装难度大且不利于运维人员对环网柜的检修。因此本文设计了基于ZigBee技术的无线组网方案,基于CC2530芯片设计了ZigBee组网单元,可以根据监测需求实现监测终端的任意组合。系统可以从电气故障、环境状态、以及局部放电等方面实现对环网柜的全方位监测,最终将ZigBee汇集的数据传输至上位机,实现对环网柜的远程在线监测。其次,针对环网柜中容易引起绝缘劣化的局部放电现象,设计了HFCT和TEV联合监测局部放电的方案,并研制了相应的传感器。通过Ansys软件仿真了感应电流密度在环网柜柜体上的分布情况及影响因素,决定通过比较TEV幅值大小及变化趋势来定位异常环网柜,并设计了TEV调理电路。设计了HFCT调理电路,为进一步研究局部放电识别,设计了四类缺陷模型并搭建试验平台提取放电样本。样本经信号预处理后,提取了统计特征、波形特征、分形特征和威布尔参数,经支持向量机(SVM)分析后平均识别率约为85%。为进一步提高识别率,采用相关性分析和类间距离分析筛选出6维最优特征参数,对6维最优特征参数进行SVM分析后识别率可达95%。最后,基于IAR和LabVIEW软件对监测系统的上位机和下位机程序进行设计,并在实验室验证了上述研究的准确性和可行性,经测试满足系统监测要求。为进一步验证系统的实用性,将监测系统安装在大庆市某变电站10kV环网柜内,当远程上位机显示故障报警后,经与变电站工作人员联系,确定发生过上位机显示的故障,验证了研制系统的可行性。

高压电缆局部放电智能监测中枢系统设计与工程应用

这是一篇关于局部放电,模式识别,状态评估,软件开发,工业应用的论文, 主要内容为高压电缆在城市输电网络中占有越来越大的比重,其运行状态直接影响电力系统供电网络的可靠性。高压电缆在外力破坏、出厂潜在缺陷、长期大电流运行等因素下易发生电缆击穿事故。而局部放电(简称局放)在线监测可在事故发生前检测到电缆的潜在故障。同时高压电缆的局放模式识别和状态评估是在线监测系统的重点研究内容。本文主要针对这两个内容开展研究工作,研究内容及取得的主要成果如下:(1)提出了一种基于进化学习的高压电缆局部放电模式识别方法。该方法使工业现场的识别模型通过样本库的进化机制和模型自训练流程不断自主学习,提高识别率。当实验室模拟新的缺陷类型时,未进化的模型无法将新的放电类型识别成同一种放电,其中有36.8%的样本被识别成类型2,63.2%的样本被识别成类型4。而进化后模型的识别率为98.7%。这证明进化学习的有效性。(2)提出了基于模糊层次的高压电缆多参数状态评估方法。建立考虑电缆多参数的一级、二级评价参数集合,通过多参数评价流程与模糊综合评估方法得到电缆绝缘状态等级,合理安排检修顺序。重点研究包括局放类型、局放发展趋势、局放监测过电压的局放在线监测综合预警方法,并将该方法应用于工业现场,利用振荡波局放定位试验验证预警方法的正确性。(3)开发了基于Web的高压电缆局部放电智能监测中枢系统软件。通过多线程通信技术接收数据,利用MySQL数据库管理数据,基于Vue和Flask框架开发中枢系统可视化软件,采用Ajax局部刷新技术实现数据可视化与后台之间的数据交互。中枢软件集成了模式识别、状态评估、局放在线定位、生成报告、趋势分析等功能。(4)开展了高压电缆局部放电智能监测中枢系统的工程应用。系统应用于某热电厂,负责实时监测67条电缆,共134个监测点。截至2022年4月,系统完成软件升级3次,记录数据超700万条,自主学习2类局放信号,共发现6起局放案例,并通过定位实验、解剖分析、振荡波实验等多种手段验证了系统预警的正确性。

基于Android平台的居民身份信息系统的设计与实现

这是一篇关于Android,C/S模式,模糊处理,OCR,模式识别,NDK的论文, 主要内容为随着人工智能的快速发展,设备性能的不断提高,智能终端已经从简单的通讯工具转化为综合事务处理的平台。身份证作为每位公民的唯一标识,包含个人的基本信息,现在许多领域都需要实名制和身份认证,这也是执法机关进行执法的前提基础。传统的身份证识别器只能查询个人基本身份信息,执法人员在执法时若需要查询个人详细档案,还需另外联系后台查询,影响执法效率,另外,传统的身份证识别器成本较高,便携性差。针对以上情况,结合现在智能终端的运算处理能力,本文开发出一种基于Android平台的居民身份信息系统。可以实现自动识别,信息录入,辨别身份证真伪,自动获取个人在线档案等功能,设计成一项软件系统,成本低,维护简单。本文设计的系统是基于C/S结构,用户端主要实现对图像获取,去模糊处理,图像预处理,字符识别,再向服务器发送请求,匹配和获取数据等功能模块；服务器负责系统后台数据的存储管理和操作,连接数据库和响应用户端请求。本文首先根据证件规格特征,设计拍照引导框获取证件号码区域的图像。针对移动设备拍照容易引起运动模糊,在学习和研究现有运动模糊恢复技术的基础上,提出了一种改进的运动模糊复原算法,先利用Radon变换和Canny边缘检测估算图像运动模糊角度,在运动模糊方向上,采用局部物体边缘透明度的方法估算图像运动模糊尺度,从而估算出点扩散函数,并结合维纳滤波复原方法对图像进行恢复。然后进行图像字符识别预处理,使用平滑滤波去噪,加权平均法灰度化,迭代法阈值二值化。最后采用OCR光学字符识别方法对系统字符图像进行识别。在此基础上,本文利用Android JNI技术和NDK工具实现图像模糊处理算法的移植。服务器端创建数据库对系统数据进行存储与管理,采用JDBC连接数据库,采用JSP动态网页以指定端口实现与用户端进行数据交互。最后对系统进行了测试分析,在晚上灯光环境下,系统识别率还需继续优化和提高,除此之外,系统识别率能达到较满意的结果。本文该系统软件功能是应用在身份证识别,还可以应用在工件打码检测,校园一卡通,学生证,图书证,机房管理,会员识别和管理等自动识别应用领域。

基于模式识别的电商产品质量特征关系挖掘及其应用

这是一篇关于显性产品特征,隐性产品特征,特征-语义关联结构树,产品质量预警,模式识别的论文, 主要内容为随着Web2.0时代的到来,电子商务的蓬勃发展,改变了人们的消费方式和企业的生产经营方式。用户反馈在电商平台上的海量评价文本中蕴含着丰富的、有价值的信息,合理挖掘和利用这些信息,为生产企业的产品质量监管提供新方式。本文的主要研究内容包括:(1)显性产品特征的提取。本文提出了基于模式匹配的方法,通过对大量的评论进行分析,根据依存语法和词之间的句法依存关系等理论,总结了产品特征需要满足的五个准则。试验结果表明,本文提出的方法是可行、有效的。(2)隐性产品特征的提取。本文提出了考虑上下文权重的方法,该方法通过计算特征相似度、特征聚类等步骤构建产品特征类和情感词的共现矩阵;通过计算上下文特征权重来评估上下文信息的可信度;综合考虑情感词和上下文特征进行隐性产品特征的提取。试验表明,本文提出的方法降低了算法复杂度,提高了隐性产品特征提取的准确率和召回率。(3)特征-语义关联结构树的构建及网络关键参量的统计。本文综合考虑显性和隐性产品特征,基于模式识别的方法构建特征-语义关联结构树,并融合情感强度词典实现了对产品特征的情感得分统计,生成产品质量管理内涵。(4)预警系统的实现。基于本文的研究成果,设计并实现了基于中文用户评论文本的产品质量预警系统。该系统可以帮助生产企业进行产品质量问题发现和产品质量预警,可以提高电商产品质量管理水平和降低电商产品质量风险。