基于人工智能的矿井水害水源自动识别方法研究

为了提高识别水害水源的正确率,本文给出了对地面水质化验分析的多个指标的单位归一化的方法,转化为与单位无关的数据,然后再归类识别的方法。综合了自下向上和自上向下分类识别方法的优点,提出了一种能够自动地进行水源(类)的合并、分裂和吸取中间结果所得到的经验的新的水害水源识别方法,实验和生产实践证明该方法效果较好。     

基于 Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

利用Mahalanobis距离进行人脸表情的识别

提出了利用Mahalanobis距离进行人脸表情识别的方法.首先将待分类的图像样本集进行坐标变换,使得变换以后类间离散度尽可能大而类内离散度尽可能小,即使变换以后的Fisher准则函数取得极大值,在新的坐标下求每个待分类样本到各类均值向量的Mahalanobis距离,从而将待分类的样本归到Mahalanobis距离最小的类中去,通过实验得到了平均80.25%的识别率.     

应用特征项分布信息的信息增益改进方法研究

在特征项分布不平衡的情况下,传统信息增益算法的分类性能会急剧下降,针对此缺陷提出了一种利用特征项分布信息来改进信息增益公式的计算方法。通过计算特征项分布信息来判定特征项是否存在不平衡性,并利用此信息来平衡特征项不出现时对分类精度的影响。通过实验验证,改进后的计算方法整体上比传统的信息增益算法具有更好的性能。     

基于免疫算法改进的反向传播神经元网络矿井水害水源识别研究

为了提高识别矿山水害水源(即,判定水的类型)的正确率,利用免疫算法设计并优化了反向传播神经元网络(BPNN)的结构并求得BPNN的各层权系数和阈值的初值,用该初值训练BPNN,获得最佳的BPNN各层的权系数(权重)和阈值,使其适合识别矿山水害水源。用训练好的BPNN识别待判定的水源是哪一种类型的水源,判定水源的危害程度。实验和潞安集团所属煤矿区的矿井和钻孔水样检验结果说明用该方法是有效可行的,识别矿井水的水源的准确率可达到93%。     

基于最大散度差的保序分类算法

分类算法主要存在问题:(1)无法充分利用样本的分布特征;(2)无法保持样本的相对关系不变;(3)无法解决大规模分类问题。对此,提出了一种基于最大散度差的保序分类算法RPCM,该方法利用线性判别分析算法中的类间离散度和类内离散度来表征样本的分布特征,通过保持各类样本中心相对关系不变来实现样本相对关系不变。理论分析表明:RPCM的对偶形式与最小包含球等价。在核心向量机的基础上提出了RPCM-CVM算法,该算法可用来解决大规模分类问题,标准数据集上的比较实验验证了所提方法的有效性。     

基于核Fisher鉴别分析的手指静脉识别

抽取最优鉴别特征是手指静脉识别中重要的一步,在提取小样本的高维手指静脉图像特征时,由于光照、温湿度、水平位移等因素的影响使得采集的静脉图像是非线性分布的,为此,提出了一种基于核Fisher鉴别分析（kernel Fisher discriminant analysis,KFDA）提取非线性特征的方法。该方法是利用一个核映射将原始输入空间变换到一个更低维的空间RN中,在此特征空间上用核类间散度阵和核类内散度阵作为Fisher线性判别准则(Fisher linear discriminant,FLD),来得到最佳非线性鉴别特征,根据此鉴别特征计算其相互间的欧式距离进行识别。实验结果表明,核Fisher方法与其他方法相比,具有较低的认假率(false accept rate,FAR)和较快的识别速度。     

融合磁极效应和数据分布特征的最大间隔学习机

基于几何边界的分类方法是一种典型的智能分类方法,已有的一些方法不仅忽略数据的分布特性,而且没有考虑不同样本对分类结果的影响,因而分类精度有待于进一步提高.鉴于此,受磁极效应启发,该文提出一种新颖的融合磁极效应和数据分布特征的最大间隔学习机.该模型构造的分类超平面距离一类尽可能近,而距离另一类尽可能远,尽量地将这2类分开.该模型利用类内离散度和类间离散度来刻画数据分布特征,以期在分类决策时将数据的分布形状考虑在内.此外,模糊隶属度的引入突出了不同样本对分类结果的影响.在UCI标准数据上的比较实验表明该方法是有效的.     

基于模型识别的并联电容器保护

提出了一种基于模型识别的并联电容器保护方法.该方法通过电容器模型方程对区内外故障时电容器参数进行求解,根据其主要特征离散度的不同来判断故障在区内或区外.使用微分方程求解网络参数,因而该方法不受非周期分量和高次谐波的影响.这种故障判断方法可以作为电容器组的保护.当区外相间故障时,可靠闭锁;当电容器连接线相间短路、内部元件击穿或电抗器匝间短路时,可靠动作.数值仿真结果表明,该方法能够在5 ms的时间内判断出故障,使保护的速动性和可靠性得到很大提高.     

基于遗传BP神经网络的矿井突水水源识别

为了快速有效识别矿井突水水源,消除矿井水害,综合考虑各种水化学离子在水源识别中的重要性,选择Na~++K~+、Ca~(2+)、Mg~(2+)、Cl~-、SO_4~(2-)、HCO_3~-等6种水化学离子作为识别因子,提出了一种基于遗传算法优化BP神经网络的矿井突水水源识别方法.在同样的训练样本和待测样本下,将该方法的识别效果与BP神经网络、距离判别法、Bayes判别法等方法的识别效果进行比较.仿真结果表明该方法收敛速度更快,识别精度更高.     

基于Fisher判别法和质心距理论的突水水源识别

快速准确的判别矿井突水水源对煤矿安全开采而言是至关重要的。通过对张集矿水文地质资料的研究,并在此基础上根据不同含水层中水化学离子成分不同的特性,选用Ca~(2+)、Mg~(2+)、K~++Na~+、HCO~-_3、SO_4~(2-)、Cl~-六大常规离子,且增加pH和总溶解固体(total dissolved solids,TDS)共8个因素作为判别因子,基于Fisher判别法和质心距分析理论,利用SPSS软件,建立对张集矿突水水源判别的函数模型,并对随机抽取的8个水样进行判别分析。结果表明:因子分析对模型训练样本的建立具有一定的有效性;增加判别因子后,样本误判率降低,准确率从90.625%提高到96.875%;由于构造条件等因素的影响,待判水样存在一定的误差。因建立函数模型方法简单,且准确率较高,对突水水源类型的判别具有可行性。     

基于随机森林模型判别矿井涌(突)水水源

快速准确判别矿井涌(突)水水源对保障矿井安全生产有重要意义。近年来人类的活动对不同含水层的影响与日俱增,为提高矿井涌(突)水水源判别的准确性,提出选取地下水中7种常见离子浓度,和能够充分反映人类活动痕迹的硝酸根离子浓度及化学需氧量作为水化学判别指标,采用随机森林模型进行矿井涌(突)水水源判别。为验证选取指标和判别方法的有效性,以大孤山铁矿为例,将数据输入随机森林模型进行100次交叉验证,并将验证结果与支持向量机模型和极限学习机模型进行比较。结果表明,随机森林模型预测结果稳定性较强,预测正确率不容易波动;随机森林在建模过程中参数拥有宽广的适应范围。树的棵数为50时,训练误差趋于稳定,改变树的棵数对预测结果没有实际影响,而其余二者对参数选取较为敏感;随机森林的参数可以通过袋外数据(OOB)错误率简单地得到,而其余二者参数调整时需要通过交叉验证的方式才可以取得;随机森林对训练样本进行验证,正确率可达100%,对测试样本进行验证,正确率可达97.38%,两项精度均优于支持向量机与极限学习机;随机森林模型拥有更高的预测精度和鲁棒性,在矿井涌(突)水水源判定方面有较好的应用前景。     

基于多元统计与Bayes判别模型的水源判别

准确判别突水水源是矿井水害治理方案制定的基础,对保障矿井安全意义重大.以淮北袁店一矿为例,首先对37组水样进行了常规离子含量测定.其次,利用因子分析法,提取出能够代表水样特性的关键因子及其组合特征,从而达到降维简化的目的 .再次,利用Q型系统聚类,结合不同含水层水样特征,剔除离群数据.最后,基于Bayes函数建立突水水...     

基于人工智能的创造性思维的模拟方法

针对创造性思维在人类思维中的重要作用，对创造性思维的模拟提供了创造计算的一种新方法。其中，逻辑思维采用了神经网络的BP算法来实现，直觉思维采用了Hopfield神经网络以及交叉变异等实现方法。论述了变异联想在直觉产生中的重要作用，并且建立了模拟直觉的计算模型。采用直觉与逻辑互补构成创造性思维的观点，构造了创造性思维的认知与计算模型，给出了创造性思维模型的计算实例。     

基于负梯度法的供水管网污染源识别

利用负梯度法研究供水管网突发污染事故时污染源识别问题.首先针对供水管网的污染源识别问题构建最优化问题数学模型,然后用EPANET作为内嵌的水质模拟计算引擎,沿着目标函数的负梯度方向进行问题的最优解搜索,并针对管网算例,对污染源侵入时间、地点和侵入过程进行计算求解.分析差分步长、梯度求解方法等因素对问题求解效率的影响,结果表明采用基于水质模拟的差分法求解梯度向量并以水质公差作为差分步长,具有最好的求解效果.     

基于Bayesian-MCMC方法的水体污染识别反问题

针对具有不适定性的环境水力学反问题,基于贝叶斯推理和二维水质模型建立水体污染识别反演模型,运用马尔科夫链蒙特卡罗法抽样获得污染源源强、污染源位置和污染泄漏时间等模型参数的后验概率分布和统计结果.实例研究结果表明,基于马尔科夫链蒙特卡罗抽样算法的贝叶斯推理可以较好地用来实现水体污染识别,具有识别精度高,误差小的特点,其可靠性和稳定性高于混合遗传模式搜索优化算法.     

预训练模型下航天情报实体识别方法

为了快速处理航天情报,基于数据驱动的深度学习技术,提出融合多源异构知识标注中文航天情报数据集的方法流程,以及基于预训练(pre-training)模型的航天情报实体识别(AIER)方法;通过对航天情报进行命名实体识别,达到对航天情报进行信息抽取的目的.通过融合BERT(bidirectional encoder representation from transformers)预训练模型和条件随机场(CRF)模型构建AIER模型(BERT-CRF模型),将其与隐马尔可夫模型(HMM)、条件随机场(CRF)模型、双向长短期记忆网络加条件随机场(BiLSTM-CRF)模型进行实体识别对比实验.结果表明:基于预训练模型的AIER模型能够取得93.68%的准确率、97.56%的召回率和95.58%的F₁值;相比于其他方法,基于预训练模型方法的性能得到提高.     

人工智能的研究方法论

分析方法的应用促进了早期人工智能（ＡＩ－Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）研究的发展,也造成了人工智能的许多困难,整体观是研究复杂事件的重要原理,人类智能是整体特征的表现;将整体观应用人工智能研究是提高ＡＩ系统智力水平的途径之一。     

人工智能算法的可专利性问题研究

人工智能算法能够成为专利客体已经成为共识.我国《专利审查指南》将人工智能算法明确纳入专利客体中,这一操作诱发了语义重复的问题,也缺乏对人工智能算法专利范围的明确界定.同时,由于人工智能算法的特殊性,我国专利审查在实践中对新颖性、创造性、实用性审查也缺乏明确的标准.我国《专利审查指南》应该明确区分商业方法、人工智能算法等客体的范畴,明确人工智能算法发明的正向范围与反向排除范围,要求对除商业秘密外的人工智能算法技术方案进行公开、对现有技术进行缩小解释,对技术领域、本领域技术人员的划定与技术发展同步,为人工智能算法专利的实施效果设定独特的标准.