通过低氧实验提出一种快速识别人体低氧状态的方法.通过搭建深层神经网络训练实验数据识别氧气体积分数(16%~21%)与人体可耐受极端低氧气体积分数(15.5%~16%)条件下光电容积脉搏波(photoplethysmography, PPG)信号, 获得人体生理状态的模式识别网络.经测试该网络的识别正确率可达92.8%.利用混淆矩阵及接受者操作性能(receiver operating characteristic, ROC)曲线分析, 混淆矩阵的训练集、验证集、测试集、全集识别正确率分别达到97.9%、94.8%、92.8%和96.3%, AUC (area under curve)值接近1, 认为该网络分类性能优良, 并且可在4 s内完成整个识别过程

实验1 作物生长分析法 实验2 种子净度及发芽率的测定 实验3 玉米植株形态观察及类型识别 实验4 冬小麦苗期形态识别及越冬前苗情诊断 实验5 高粱形态识别及类型观察 实验6 大豆、绿豆的形态特征及类型 实验7 棉花的形态特征及栽培种的识别 实验8 谷子、黍子、荞麦形态观察与类型识别 实验9 花生、芝麻、向日葵形态观察与类型识别 实验10 马铃薯、甘薯形态观察与类型识别 实验11 小麦成熟期田间产量测定 实验12 玉米田间测产与室内考种 实验13 大豆、棉花田间测产与室内考种 实验14 作物标本园综合观察

3.4.1 图像分析引言 3.4.2 图像分析系统的组成 3.4.3 模式与模式类 3.4.4 决策论法 3.4.5 结构法

机器感知与模式识别：采用独立分量分析Zernike矩的遥感图像飞机目标识别

⚫ 学习内容 – 风险识别 – 风险分析 – 风险对策 ⚫ 学习目标 – 能够识别常见风险 – 能够进行风险分析 – 能够制订风险计划

【机器感知与模式识别】分层结构的双人交互行为识别方法编辑部

机器感知与模式识别：基于关联分析的气象云图识别问题研究

机器感知与模式识别：基于频谱分析的Procrustes统计步态识别算法

机器感知与模式识别：基于QR分解的鉴别维数压缩及其在人脸识别中的应用

提出了基于多代理决策融合的电机状态识别系统.以电机的振动信号和电流信号为输入,六种分类器用来识别其状态.每个分类器视为一个代理,独立完成模式识别工作后,同其他分类器交换信息从而提高识别率.本文还将传感器融合和分类器选择融入系统,同单源数据和无分类器选择相比具有更大的优势,使最终电机状态识别率达到98.9%