基于支持向量机的模型传递方法研究

模型传递是以数学方法通过在2台不同仪器之间寻求一种变换关系来增强光谱仪数据通用性、可比性的一种基本途径.由于实际测量数据具有非线性特征,加上校正样本集合的有限性,使得解决小样本条件下非线性关系的模型传递问题显得尤为重要.文章在概述支持向量机基本原理的基础上,探讨了支持向量机方法在光谱仪的模型传递问题中的应用,提出了基于支持向量机的分段直接校正方法,最后采用计算机模拟的方式对该方法进行了举例说明,并和人工神经网络方法进行了相应的比较.     

基于小波变换和支持向量机的光谱多组分分析

以符合朗伯—比尔定律的光谱信号为研究对象，在运用小波变换对光谱信号进行去除噪声处理的基础上，建立了基于支持向量机的多组分分析模型，最后采用计算机模拟的方式对该方法进行了举例说明.实例表明，该方法能较好地解决非线性、小样本条件下的多组分分析问题.     

基于小波包分析的光谱识别方法研究

光谱信号的自动识别技术是光谱分析技术中的重要组成部分,是指运用模式识别方法,借助计算机技术,对相同测定条件下的光谱信号进行比较,根据信号之间的相似程度,从而得出两者之间化学组成关系的技术,主要应用于光谱的定性分析,也可用于光谱的验证。文章以符合朗伯-比尔定律的光谱信号为研究对象,简单介绍了光谱识别技术的基本原理和方法,随后为简化识别难度,进行了光谱信号的归一化处理,再在概述小波分析基本原理的基础上,提出了采用小波包分析的技术对光谱信号进行相关特征提取的方法,并根据统计学知识,得出了计算标准特征向量和允许误差向量的公式,然后运用二叉树分级判别的方法,实现了光谱信号的快速识别,最后举例对该方法进行了说明。     

分形理论在光谱识别中的应用

分形理论是研究一类不规则、混乱复杂, 但其局部和整体具有相似性体系的科学. 分形维数是分形理论中用于描述对象的不规则度和自相似性的基本度量. 文章以符合朗伯-比尔定律的光谱信号为研究对象, 在概述分形几何基本原理的基础上, 提出了以分形维数作为光谱识别特征的方法, 运用相空间重构得出了光谱信号的分形维数, 通过对光谱信号的分形维数进行比较, 达到识别不同光谱的目的, 最后举例对该方法进行了说明.     

采用曲线拟合消除探测器阵列非线性对吸收光谱的影响

在微型光谱分析系统中,光电探测器阵列像元的非线性响应对光谱信号有着很大的影响,尤其是吸收谱的测量中,将导致吸收谱的畸变和假谱线的出现。文章对这一影响进行了深入的分析,并提出了根据线性像元输出信号,利用曲线拟合的方法对线性较差的像元输出进行矫正,减小非线性对光谱信号的影响。采用该方法对实验中获取的吸收谱信号进行了矫正,得到了理想的效果。     

基于神经网络的光谱识别系统的设计与分析

光谱识别技术是光谱定性分析的基础.随着模式识别技术的发展,光谱识别技术已成为医药、环保、石化等行业进行快速检测的重要的手段.神经网络具有非线性映射、白适应学习、鲁棒性和容错性等特点,在信号处理、知识工程、模式识别等领域有着广泛的应用.文章以符合朗伯比尔定律的光谱信号为研究对象,概述了运用神经网络进行模式识别的基本原理,随后根据光谱识别的具体要求,提出了基于多特征和神经网络的光谱识别方案,并进行了系统设计,建立了基本的模型框架.最后运用实例对该方法进行了说明.