首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到16条相似文献,搜索用时 125 毫秒
1.
人工神经网络用于有机环境污染紫外光谱库检索   总被引:1,自引:0,他引:1  
本文将人工神经网络(ANN)用于有机环境污染物紫外光谱库检索。对该神经网络的参数优化作了讨论。并用ANN对噪声、杂质等因素的影响作了详细的考察。为了提高紫外光谱的分辨,本文提出用光谱作ANN训练和检索,使网络的收敛速度明显加快,对检验光谱中杂质的容允程度明显增加。本文还将ANN与传统的相关系数法作了比较。结果表明,ANN法在抗噪声和杂质等方面明显优于相关系数法。  相似文献   

2.
有机环境污染物紫外光谱检索的神经网络方法   总被引:2,自引:2,他引:0  
详细讨论了网络优化参数、模拟的测量过程中噪声及杂质对网络收敛性能及预测误差的影响。为加速网络收敛,提高紫外光谱检索的正确率,采用了导数光谱对反向传播的人工神经网络(BP-ANN)进行训练和检索,该方法对检索光谱中噪声、杂质,尤其是斜坡背景的允许程度明显提高。文章还将ANN方法与普通的相关系数法的识别结果进行了比较。结果表明,优化参数下的人工神经网络的库检索法在抗噪、容杂等方面都明显地优于普通的相关系数法,是一种很有效的紫外库检索方法。  相似文献   

3.
本文将温度限制串联相关网络用于有机环境污染物紫外光谱的识别。紫外光谱的库检索比红外光谱检索更困难 ,因为紫外光谱的重叠更为严重。此外 ,光谱测量的漂移和噪声也会影响紫外光谱库检索的正确率。因此 ,采用具有模糊性质的神经网络是一个很好的选择。温度限制串联相关网络 (TCCCN)是一种与通常所用BP网络不同结构的网络模型 ,它采用串联相关的神经元连续方式 ,且引入温度参数 ,因而可以减少网络的过度训练和加快训练速度。本工作采用TCCCN进行紫外光谱的库检索 ,对有关参数进行了优化 ,并对光谱测量噪声的影响做了研究。结果表明 ,采用TCCCN方法明显优于在谱库检索中常用的相关系数法。  相似文献   

4.
人工神经网络法校正ICP—AES中重叠光谱干扰   总被引:9,自引:1,他引:9  
本文将反向传播人工神经网络(BP-ANN)用ICP-AES中重叠光谱干扰的校正,利用模拟的Ce413.380nm和Pr413.361nm光谱对神经网络的训练方式,输入值范围,噪声影响等作了较详细的讨论。  相似文献   

5.
本文将反向传播人工神经网络(BP-ANN)用于ICP-AES中重叠光谱干扰的校正。利用模拟的Ce413.380nm和Pr413.361nm光谱对神经网络的训练方式、输入值范围、噪声影响等作了较详细的讨论。  相似文献   

6.
HL—1装置低杂波驱动,靶丸注入,ECRH实验的杂质行为研究   总被引:1,自引:1,他引:0  
本文叙述了在HL-1装置上利用真空紫外光谱测量系统,通过观测低杂波驱动,靶丸注入,ECRH和高密度氦放电的杂质辐射,研究杂质的行为,产生和输运等特性。  相似文献   

7.
HL—1M装置几种杂质谱线的特性   总被引:1,自引:0,他引:1  
介绍了HL-1M装置真空紫外光谱区的杂质辐射观测结果。对器壁硅化后的杂质特性进行了分析,用激光吹气技术研究了杂质输运,分析了低混杂波电流驱动、弹丸注入实验中杂质谱线的变化。  相似文献   

8.
赖虹凯  黄献烈 《光学学报》1997,17(9):225-1231
提出一种使用振幅调制和功率谱相减的联合变换相关器作多目标检测,这一方法对联合功率谱作了修正,先将联合功率谱减去纯输入景物的功率谱和参考图象的功率谱,再将所得修正的联合功率谱乘以振幅调制滤波函数。分析和量化了输入景物噪声对联合变换相关器性能的影响。这种方法比条纹调节的联合变换相关器和修正的条纹调节的联合变换相关器能产生更好的相关输出和适应输入景物噪声的能力。  相似文献   

9.
多波束DICANNE系统具有抵消强干扰的良好性能。本文给出这种数字式系统的理论基础,讨论其稳态特性。指出多波束DICANNE系统输出的信噪比、干扰噪声比。给出系统硬件实现的方框图及各种参数的选择。同时讨论以TMS320系列芯片进行硬件设计的问题。  相似文献   

10.
HL—1装置几种杂质特性   总被引:6,自引:1,他引:5  
本文叙述了用真空紫外光谱方法观测HL-1装置常规、器壁碳化和抽气孔栏三种放电条件下等离子体杂质的变化以及某些杂质的特性。  相似文献   

11.
人工神经网络法鉴别红外光谱   总被引:3,自引:1,他引:2  
本文将反向传播人工神经网络(BP-ANN)用于FTIR,鉴别未知化合物。结果表明,当训练集样本不含噪声时,纯光谱的预测结果很好。而当训练集样本有少量噪声干扰时,预测结果随预测集样本的不同,而得到不同的改善。  相似文献   

12.
提出一种基于神经网络的航天光学遥感器在轨信噪比的的测试方法。通过模拟得到了大量的包含有不同信噪比等级的遥感图像,并将其作为网络训练和测试的样本。通过对遥感图像进行分析,找到了分别与景物结构和噪声有关的特征向量,并将其作为神经网络的输入。在对大量样本图片进行训练后,可完成对由遥感器传输下来的任意一幅地面景物图像进行信噪比的测试,从而避免了传统方法对特定地面景物目标在成像测量中的诸多弊端,平均测量误差约为10%。  相似文献   

13.
利用蚕豆叶片可见-近红外反射光谱结合导数光谱对健康、少量、大量虫害三种等级的实验样本进行光谱特征分析,并选择虫害检测最优波段。采用Hadoop,Spark和VMWare虚拟机搭建云计算平台,使用MLlib机器学习库实现人工神经网络(ANN)和支持向量机(SVM)分类算法,并对三种等级蚕豆叶片全波段和最优波段光谱进行分类建模与预测。结果表明ANN虫害光谱分类模型准确率优于SVM虫害光谱分类模型,并且在云平台上运行效率更高,同时全光谱波段的预测准确性高于最优波段。通过扩展光谱数据集,云计算技术在光谱数据挖掘中的计算效率有显著提升。云计算分类检测可以为作物生物胁迫光谱识别提供新的技术和方法。  相似文献   

14.
Long echo time (TE=270 ms) in vivo proton NMR spectra resembling human brain metabolite patterns were simulated for lineshape fitting (LF) and quantitative artificial neural network (ANN) analyses. A set of experimental in vivo 1H NMR spectra were first analyzed by the LF method to match the signal-to-noise ratios and linewidths of simulated spectra to those in the experimental data. The performance of constructed ANNs was compared for the peak area determinations of choline-containing compounds (Cho), total creatine (Cr), and N-acetyl aspartate (NAA) signals using both manually phase-corrected and magnitude spectra as inputs. The peak area data from ANN and LF analyses for simulated spectra yielded high correlation coefficients demonstrating that the peak areas quantified with ANN gave similar results as LF analysis. Thus, a fully automated ANN method based on magnitude spectra has demonstrated potential for quantification of in vivo metabolites from long echo time spectroscopic imaging.  相似文献   

15.
利用近红外光谱分析技术的诸多优势,可实现煤质多项指标的快速分析。煤样光谱数据的采集易受到噪声散射的干扰,在建模分析前常用多元散射校正方法对其予以恢复去噪。而传统的多元散射校正方法存在以线性表达式描述非线性关系的局限性,以及盲目追随“理想”光谱而导致的失真问题,为此提出基于拟线性局部加权法的煤样光谱散射校正。该法先选取二次曲线、三次曲线和增长曲线等三种拟线性函数,代替原线性函数;再分别引入均值核函数、高斯核函数、Epanechnikov核函数、二次权重核函数及三次权重核函数等五种核函数,在原评估函数中构造局部加权函数,利用局部加权函数精确表述各波长点处的依赖关系;最后,分析不同模式下校正光谱的准确性,确定拟线性函数与核函数的最佳组合。为验证方法的适用性,对0.2,1和3 mm等三种粒度等级下的煤样光谱数据进行散射校正。结果表明:改进多元散射校正方法在消除光谱中散射干扰的同时,放大了特征谱峰信息,校正光谱与煤样各项指标的相关性得到了显著增强,有效地提高了煤质近红外光谱分析模型的预测精度和稳定性。  相似文献   

16.
三维荧光光谱在水体监测和水处理领域日益引起广大研究者的关注。自组织映射神经网络(SOM网络)作为一种非监督、自学习的神经网络,具有自稳定性高、抗噪声能力强等特点。使用SOM网络对某自来水厂处理流程中水样的荧光光谱进行解析,可以将三维荧光光谱聚类成三类,分别对应为络氨酸类蛋白有机物、色氨酸类蛋白有机物、紫外富里酸类物质。整个自来水处理工艺能够有效的去除水体中的有机物,其中络氨酸类、色氨酸类、紫外富里酸类物质的去除率分别为84.6%,79.9%,69.1%。研究结果表明,SOM网络可以作为一种有效的水体荧光光谱分析工具,有助于优化水处理工艺参数,提高水处理工艺性能、以及自来水厂的监测和管理。  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号