排序方式: 共有4条查询结果,搜索用时 93 毫秒
1
1.
多模光纤自聚焦光场环直径的精确确定 总被引:1,自引:0,他引:1
本文导出一个计算多模光纤自聚焦光场环直径的精确公式。由该公式预言的结果和实验值符合得极好。 相似文献
2.
针对传统的反向匹配方法中存在的强弱峰权重差异和噪声峰的干扰问题,提出了改进式反向匹配方法,通过引入权重衰减函数来优化强峰和弱峰之间的权重占比关系,使得谱图中各特征峰的权重分布在合理的范围内,避免了强峰权重掩盖弱峰的情况;通过概率分布函数动态滤噪的方法,实现了噪声峰的自适应过滤,从而提升了反向匹配方法的识别性能。实验以大量的常规拉曼和表面增强拉曼的谱图为验证样本,基于大型常规拉曼与表面增强拉曼数据库进行拉曼谱图识别验证。实验表明该方法在大量数据测试下综合准确率达到91.52%,相比于命中质量指数方法(51.08%)和传统的反向匹配方法(16.57%)有大幅度的提升。 相似文献
3.
[目的]针对健康肉与病害肉的快速鉴别问题,本文对健康与病害肉的表面拉曼谱图的特征信息提取和分类方法进行研究,以实现对健康肉与病害肉的快速鉴别.[方法]以羊肉的表面增强拉曼谱图为样本,分别采用主成分分析-支持向量机和卷积神经网络两种方法进行分类.通过提取谱图的精细化特征,实现谱图数据的降维和干扰信息的过滤,为分类模型提供更加准确和丰富的特征信息.并以240份包含健康与病害羊肉的拉曼谱图为训练集样本,建立了分类模型,以另外的120份样本进行健康与病害肉的辨别效果验证.[结果]实验表明经过精细化特征提取后构建的主成分分析-支持向量机模型能清晰的找到健康与病害肉的分类边界,验证样本的识别准确率从82.5%上升到93.3%,同时使用卷积神经网络对精细化提取的特征进行学习与分类,识别准确率从常规方法的90.2%上升到95.5%.[结论]本文提出的基于表面增强拉曼的肉类谱图的精细化特征信息提取和分类方法能够有效实现对羊肉样品中健康肉与病害肉的快速分类和鉴别,该方法同样可以应用于其他肉类的检测分类,对保障食品安全具有重要的意义. 相似文献
4.
本文用变分地在缓变包络近似下导出非线性轴向不均匀自聚焦光纤非对称场的解析解。该解能解释与功率有关的传播特性。 相似文献
1