光电子·激光
光電子·激光
광전자·격광
JOURNAL OF OPTOECTRONICS·LASER
2005年
6期
718-721
,共4页
韩应哲%张延炘%常胜江%申金媛
韓應哲%張延炘%常勝江%申金媛
한응철%장연흔%상성강%신금원
小波变换%神经网络%气体识别%非线性荧光光谱
小波變換%神經網絡%氣體識彆%非線性熒光光譜
소파변환%신경망락%기체식별%비선성형광광보
将小波变换和神经网络相结合用于非线性荧光光谱的识别,针对非线性荧光光谱的特点,提出了选择最佳小波函数和分解层数的方法,处理后的光谱在保留光谱特征的基础上,大大压缩了数据维数;采用概率神经网络(PNN),对3种污染气体的非线性荧光光谱进行识别,获得了满意的实验结果.由于神经网络的输入是小波压缩后的数据,不仅提取了原始数据中的特征,而且数据的维数也下降7倍多,大大提高了气体识别的速度.
將小波變換和神經網絡相結閤用于非線性熒光光譜的識彆,針對非線性熒光光譜的特點,提齣瞭選擇最佳小波函數和分解層數的方法,處理後的光譜在保留光譜特徵的基礎上,大大壓縮瞭數據維數;採用概率神經網絡(PNN),對3種汙染氣體的非線性熒光光譜進行識彆,穫得瞭滿意的實驗結果.由于神經網絡的輸入是小波壓縮後的數據,不僅提取瞭原始數據中的特徵,而且數據的維數也下降7倍多,大大提高瞭氣體識彆的速度.
장소파변환화신경망락상결합용우비선성형광광보적식별,침대비선성형광광보적특점,제출료선택최가소파함수화분해층수적방법,처리후적광보재보류광보특정적기출상,대대압축료수거유수;채용개솔신경망락(PNN),대3충오염기체적비선성형광광보진행식별,획득료만의적실험결과.유우신경망락적수입시소파압축후적수거,불부제취료원시수거중적특정,이차수거적유수야하강7배다,대대제고료기체식별적속도.
