|
|||||
|
|
| UI偶宇称原子光谱分类的PCA—BPN模式识别方法研究 | |
| 引用本文： | 曹晓卫,刘洪霖.UI偶宇称原子光谱分类的PCA—BPN模式识别方法研究[J].原子与分子物理学报,1999,16(4):487-493. |
| 作者姓名： | 曹晓卫 刘洪霖 |
| 作者单位： | [1]上海师范大学化学系 [2]中国科学院上海冶金研究所 |
| 摘 要： | 作为重元素原子光谱按电子组态类型分类研究的一个代表，铀元素原子第一光谱（ＵＩ）中的许多能春所属电子组态尚未明确指认。分类模式识别方法已被证明是研究解决此类分类问题的一种十分有效的途径。为此，应用模式识别与人工神经网络相结合的主成分分析－反传神经网络方法ＰＣＡ－ＢＰＮ重新研究了ＵＩ偶宇称原子光谱能级的分类问题；对３６个ＫＮＮ等早期模式识别方法无法确认其归属的能级，ＰＣＡ－ＢＰＮ方法明确指认了其相应的 |
| 关 键 词： | 铀元素 原子光谱 光谱能级 PCA－BPN 模式识别 |
Study on the classificaiton of uranium I even parity energy levels using PCA BPN |
|
| CAO Xiao wei ,LIU Hong lin ,CHEN Nian yi.Study on the classificaiton of uranium I even parity energy levels using PCA BPN[J].Journal of Atomic and Molecular Physics,1999,16(4):487-493. | |
| Authors: | CAO Xiao wei LIU Hong lin CHEN Nian yi |
| Institution: | CAO Xiao wei 1,LIU Hong lin 2,CHEN Nian yi 2 |
| Abstract: | |
| Keywords: | the first spectrum of uranium classification of spectral energy leve1 pattern recognition principal component analysis-back propagation neural networks |
| 本文献已被 CNKI 维普 等数据库收录！ | |
| 点击此处可从《原子与分子物理学报》浏览原始摘要信息 | |
| 点击此处可从《原子与分子物理学报》下载免费的PDF全文 | |