光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2010年
9期
2409-2412
,共4页
王成%黎绍发%吴正洁%何凯%黄耀熊
王成%黎紹髮%吳正潔%何凱%黃耀熊
왕성%려소발%오정길%하개%황요웅
脉冲耦合神经网络%激光拉曼光谱%定性分析%相似度%Horspool算法
脈遲耦閤神經網絡%激光拉曼光譜%定性分析%相似度%Horspool算法
맥충우합신경망락%격광랍만광보%정성분석%상사도%Horspool산법
通过对脉冲耦合神经网络(pulse coupled neural network,PCNN)和拉曼光谱定性分析的研究,提出了基于PCNN的拉曼光谱定性分析方法.首先,利用PCNN神经元的疲劳与不应期特性将拉曼光谱数据进行编码;然后,基于改进的Horspool算法将检测样品对应编码与基码数据库中的所有基码逐一匹配,并得到各对应的匹配相似度,进而判定样品类别.相关实验和数据分析证明了该文方法的准确性和有效性.同时,该文方法避免了目前基于谱模版定性分析方法中待测样品拉曼光谱特征谱峰难以确定以及匹配分析冗余度高等不足,且对存储空间的要求仅为后者的5.8%.
通過對脈遲耦閤神經網絡(pulse coupled neural network,PCNN)和拉曼光譜定性分析的研究,提齣瞭基于PCNN的拉曼光譜定性分析方法.首先,利用PCNN神經元的疲勞與不應期特性將拉曼光譜數據進行編碼;然後,基于改進的Horspool算法將檢測樣品對應編碼與基碼數據庫中的所有基碼逐一匹配,併得到各對應的匹配相似度,進而判定樣品類彆.相關實驗和數據分析證明瞭該文方法的準確性和有效性.同時,該文方法避免瞭目前基于譜模版定性分析方法中待測樣品拉曼光譜特徵譜峰難以確定以及匹配分析冗餘度高等不足,且對存儲空間的要求僅為後者的5.8%.
통과대맥충우합신경망락(pulse coupled neural network,PCNN)화랍만광보정성분석적연구,제출료기우PCNN적랍만광보정성분석방법.수선,이용PCNN신경원적피로여불응기특성장랍만광보수거진행편마;연후,기우개진적Horspool산법장검측양품대응편마여기마수거고중적소유기마축일필배,병득도각대응적필배상사도,진이판정양품유별.상관실험화수거분석증명료해문방법적준학성화유효성.동시,해문방법피면료목전기우보모판정성분석방법중대측양품랍만광보특정보봉난이학정이급필배분석용여도고등불족,차대존저공간적요구부위후자적5.8%.
