提出了基于新阈值函数的深度残差收缩网络（DRSN-NTF），用于解决分布式光纤声传感（DAS）信号噪声强、识别难的问题。DRSN-NTF基于深度残差收缩网络（DRSN），使用新阈值函数代替软阈值函数，使其更能发挥信号噪声处理和分类识别能力。使用DAS系统采集周界入侵事件的实验数据，并通过添加高斯白噪声的形式，设计了6组不同信噪比（0 dB~5 dB）的实验。对比了4个模型的实验结果，由此考察DRSN-NTF的识别效果。结果发现：在强噪声的情况下，DRSN-NTF取得的平均测试准确率比DRSN高1.05%；随着信噪比的降低，DRSN-NTF的测试准确率高于DRSN的差值增大，表明DRSN-NTF在信号噪声处理和分类识别能力方面更强，能获得相对更高的识别准确率。因此，DRSN-NTF更加适用于DAS信号识别。

基于双马赫-曾德尔干涉（DMZI）型分布式光纤振动传感系统与无人机（UAV）视频监测系统，通过卷积神经网络同步对光信号和无人机视频信号进行模式识别，从多维度对多类别扰动事件进行精准检测。与传统的模式识别方法相比，所提方案将两个不同维度上的信号有效结合，实现了不同维度上模式识别方法的优势互补，将识别信号的时间维度加入识别，解决了静态信号识别事件有限、准确率较低的问题。为了验证所提方案的可行性和有效性，对常见的9种传感行为（攀爬、轰砸、剪切、脚踢、重敲击、轻敲击、拉扯、摇晃、无入侵）进行了实验测试和分析。实验结果表明，所提出的多维度模式识别方案可以对9种入侵事件达到99.58%的平均测试准确率，并且平均识别时间为0.16 s，短于系统的采样时间0.3 s，满足实际工程应用的需求。

针对复杂大气湍流干扰、径向指数不为零的高阶复合拉盖尔-高斯(LG)光束模式识别准确率低的问题，提出一种基于卷积神经网络(CNN)的高阶复合LG光束的轨道角动量(OAM)模式识别方法，构建了一种基于CNN的OAM模式识别模型来研究复杂大气湍流条件下不同波长、不同传输距离对径向高阶复合LG光束模式识别准确率的影响。仿真结果表明：在复杂大气湍流情况下，当传输距离为1 km，CNN训练100次后，波长分别为850、1 310、1 550 nm的高阶复合LG光束模式识别准确率均达到98.8%以上；当波长为1 550 nm，传输距离分别为1、2、3 km时，该模型的模式识别准确率均达到86.8%以上。

确定中药品种是确保中药材质量的第一关。为探索中草药品种的快速鉴别方法，本文应用太赫兹光谱技术结合模式识别方法对 6种中草药进行分类鉴别。采集了白附片、大黄、党参、陈皮、麦冬、天麻等 6种常用中草药，共得到 420组太赫兹光谱数据，在 0.2~1.5 THz波段分别采用支持向量机 (SVM)、主成分分析 (PCA)和支持向量机相结合、线性判别分析(LDA)结合支持向量机等方法对 6种中药材进行了定性鉴别分析。结果表明，太赫兹光谱数据结合线性判别分析和支持向量机建立的 LDA-SVM中草药品种识别模型最优，模型准确率达 100%，对未知样本的鉴别准确率达 98.41%。本文的 LDA-SVM模型具有较好的鉴别能力，能快速准确地鉴别出中药材的品种，为中草药的质量控制提供了又一鉴别手段。

高光谱成像技术（HSI）是基于非常多窄波段的影像数据技术, 将成像技术与光谱技术相结合, 获取高光谱分辨率的连续、 窄波段的图像数据, 因其快速、 无损的特点, 被广泛应用于食品、 农产品、 中药材等样品的快速鉴别。 道地药材新会陈皮具有较高的市场价值, 且陈化（贮藏）年份越久市场价格亦越高, 市场人工鉴别准确率低、 难度大。 基于高光谱技术结合化学计量学方法, 建立不同陈化年份新会陈皮的快速无损鉴别方法。 采集5个陈化年份样品在可见-近红外波段（400～1 000 nm）的高光谱信息, 提取高光谱图像感兴趣区域（ROI）的平均光谱值作为样本原始光谱。 经黑白校正后获得标准数据, 通过多元散射校正（MSC）、 一阶导数（D1）、 二阶导数（D2）、 SG平滑（SG）和标准正态变量变换（SNV）5种预处理方法对数据进行降噪处理后, 结合偏最小二乘判别分析（PLS-DA) 、 随机森林（RF）和支持向量机（SVM）等方法建立分类鉴别模型, 以预测结果的准确率作为评价指标筛选最佳模型, 使用混淆矩阵（confusion matrix）评估模型分类性能。 结果表明, 外表皮数据以MSC结合PLS-DA方法为最优鉴别模型, 预测集鉴别准确率达到97.59%； 而内表皮数据则以原始数据结合PLS-DA方法为最优鉴别模型, 预测集鉴别准确率亦达到97.59%。 采用内表皮数据, 进一步采用连续投影算法（SPA）选择19个特征波长建模, 整体判别准确率仍可达90%以上。 通过SPA方法提取的特征波长建模可以达到与全波长模型相似的识别效果, 去除冗余变量可以大大降低模型的复杂性, 减少模型的运算时间。 该研究建立的高光谱技术结合化学计量学的方法可实现不同陈化年份新会陈皮样品的快速无损鉴别, 为专属小型化仪器装备系统的开发提供了理论依据。

高危阿片类毒品海洛因的泛滥, 对国家安定、 社会经济和人民生命财产安全带来了巨大的危害。 高效、 准确的海洛因及其代谢物的检测鉴定方法在打击毒品犯罪, 处理涉毒案件以及公安禁毒工作中具有十分重要的意义。 表面增强拉曼光谱（SERS）兼具检测速度快、 操作简便、 灵敏度高、 指纹识别及无损检测等优点, 能够实现对毒品的高效、 便携检测。 若结合模式识别技术, 可提高数据处理效率、 避免人为错判的发生, 进而实现自动精确分类识别的目的。 针对溶液中微/痕量海洛因及其代谢物, 提出了基于Au/SiO2复合纳米球阵列（Au/SiO2 NSA）的SERS检测与模式识别相结合的方法, 实现对它们的灵敏检测与高效鉴别。 首先, 采用气-液界面自组装和磁控溅射沉积的方法制备了具有良好SERS活性和结构一致性的Au/SiO2 NSA, 以此为SERS基底（芯片）, 结合便携式拉曼光谱仪, 成功实现了对水溶液中海洛因及其主要活性代谢物（6-单乙酰吗啡（6-MAM）和吗啡）的灵敏检测, 检测限低至10-4 mg·mL-1。 然后, 利用模式识别技术中的系统聚类分析（HCA）、 主成分分析（PCA）和支持向量机（SVM）对所获得的谱图数据进行定性/定量分类识别。 结果表明, 在HCA和PCA均能准确分类的基础上, 采用基于径向核函数、 线性核函数、 多项式核函数、 S型核函数中任意一种建立的PCA-SVM模型, 均能够100%地对海洛因、 6-MAM和吗啡进行定性识别； 选取基于径向核函数的SVM模型, 对不同浓度海洛因定量区分的准确率可达90.1%； 而通过基于线性核函数的SVM模型, 对不同浓度6-MAM和吗啡的判别准确率分别为84.8%、 70.2%。 这项工作不仅为基于SERS的灵敏检测与精准鉴别提供了一种具有实用价值的高质量基底（芯片）, 也为对海洛因及其代谢物进行准确的分类及识别给出了可行的方案。

对星图识别算法的应用背景进行介绍, 就其优势进行了简述。重点对目前主流的三类星图识别算法进行了综述, 介绍了子图同构类算法、模式识别类算法以及人工智能类算法, 并进行了分析和比较;对星图识别算法研究的评估进行了说明;对星图识别算法的未来发展进行了展望, 提到了非可见光条件下的星图识别、高动态复杂环境下的星图识别和考虑气动光学效应的星图识别等相关未来的研究重点。

在基于深度学习的SAR图像目标检测中, 为了降低SAR图像中噪声等特性对特征学习的干扰, 提高检测方法中识别和定位任务的交互性, 采用了联合任务检测方法。该方法利用联合任务网络, 使识别和定位任务在尽可能共用特征的同时保留各自的特殊性, 从而提升两个子任务对特征学习的监督能力。此外, 该方法还利用联合任务学习方法, 在锚框选择和损失函数计算中, 同时考虑识别和定位任务的可靠程度, 从而提升训练效果。公开数据集上的实验结果证明了该方法的有效性。