差分拉曼光谱结合SVM对便签纸的鉴别分析

基于差分拉曼光谱技术与支持向量机(SVM)模型,提出了一种对便签纸类检材的快速可视化鉴别方法。实验获取了40组不同品牌便签纸样本的差分拉曼光谱数据,利用BP神经网络和差分技术完成谱图的除噪与基线校正后,借助F检验与主成分分析提取谱段信息,构建出SVM分类模型。实验结果表明,当设置Linear为SVM模型的核函数时,可以实现对样本测试集的完全准确划分,K折交叉验证的结果理想。相比于传统聚类分析手段,本方法可以在原始高维光谱数据中筛选出有效特征矩阵,且SVM模型兼具高效性和准确性,为公安实践中纸张类物证的区分鉴别提供一种新思路。     

拓扑图案石墨烯热导率的人工智能预测

本文利用深度学习构建卷积神经网络算法,成功实现石墨烯/氮化硼二维异质结构的热导率预测.基于非平衡态分子动力学模拟计算得到不同拓扑图案异质结构的热导率构建机器学习数据库,将不同拓扑图案的异质结构图片和对应的热导率作为训练样本数据,搭建卷积神经网络.此外,详细分析了卷积神经网络中超参数对热导率预测准确性的影响.本研究有助于...