光学学报
光學學報
광학학보
ACTA OPTICA SINICA
2006年
1期
147-151
,共5页
李素梅%韩应哲%张延炘%常胜江%申金媛
李素梅%韓應哲%張延炘%常勝江%申金媛
리소매%한응철%장연흔%상성강%신금원
光谱学%非线性荧光光谱%支持向量机%小波变换%主成分分析
光譜學%非線性熒光光譜%支持嚮量機%小波變換%主成分分析
광보학%비선성형광광보%지지향량궤%소파변환%주성분분석
提出将支持向量机网络应用于含不同浓度杂质气体的非线性荧光光谱的识别.由于原始光谱数据的光谱通道数目很大,首先用小波变换去噪压缩,然后采用主成分分析方法对光谱信息进行连续两次的特征提取.在保持原光谱数据主要信息基本不变的情况下,将数据维数由3979压缩到514(小波变换)并提取9个主成分.这样,不仅减少了网络的输入维数,而且加快了网络的训练速度.实验结果表明,无论对训练样本还是未学习过的测试样本,其正确识别率均可达到100%.网络的训练和测试速度较快,可以更有效地应用于大气杂质气体的实时监测.
提齣將支持嚮量機網絡應用于含不同濃度雜質氣體的非線性熒光光譜的識彆.由于原始光譜數據的光譜通道數目很大,首先用小波變換去譟壓縮,然後採用主成分分析方法對光譜信息進行連續兩次的特徵提取.在保持原光譜數據主要信息基本不變的情況下,將數據維數由3979壓縮到514(小波變換)併提取9箇主成分.這樣,不僅減少瞭網絡的輸入維數,而且加快瞭網絡的訓練速度.實驗結果錶明,無論對訓練樣本還是未學習過的測試樣本,其正確識彆率均可達到100%.網絡的訓練和測試速度較快,可以更有效地應用于大氣雜質氣體的實時鑑測.
제출장지지향량궤망락응용우함불동농도잡질기체적비선성형광광보적식별.유우원시광보수거적광보통도수목흔대,수선용소파변환거조압축,연후채용주성분분석방법대광보신식진행련속량차적특정제취.재보지원광보수거주요신식기본불변적정황하,장수거유수유3979압축도514(소파변환)병제취9개주성분.저양,불부감소료망락적수입유수,이차가쾌료망락적훈련속도.실험결과표명,무론대훈련양본환시미학습과적측시양본,기정학식별솔균가체도100%.망락적훈련화측시속도교쾌,가이경유효지응용우대기잡질기체적실시감측.
