计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
18期
239-241,244
,共4页
THz技术%神经网络%学习矢量化网络(LVQ)聚类算法
THz技術%神經網絡%學習矢量化網絡(LVQ)聚類算法
THz기술%신경망락%학습시양화망락(LVQ)취류산법
运用THz光谱特性进行爆炸物的识别,是现代检测技术研究的一个热点.由于直接对原始数据进行聚类的识别率并不理想,首先对实验样本的THz频域光谱数据曲线进行二阶导数变换,得到了更能表现数据变化趋势和峰值的特征曲线,然后基于该特征曲线利用LVQ神经网络聚类算法,设计并用VC++6.0实现了THz光谱自动分类识别系统.分别对RDX、DNT、TNT、HMX四种爆炸物进行识别对比实验,运用原始数据训练出的分类器,识别率为96%,运用变换过后的特征数据训练出的LVQ分类器,识别率可以达到100%.实验证明,所设计的基于LVQ的神经网络分类器具有强大相似特征聚类功能和较高的识别率.
運用THz光譜特性進行爆炸物的識彆,是現代檢測技術研究的一箇熱點.由于直接對原始數據進行聚類的識彆率併不理想,首先對實驗樣本的THz頻域光譜數據麯線進行二階導數變換,得到瞭更能錶現數據變化趨勢和峰值的特徵麯線,然後基于該特徵麯線利用LVQ神經網絡聚類算法,設計併用VC++6.0實現瞭THz光譜自動分類識彆繫統.分彆對RDX、DNT、TNT、HMX四種爆炸物進行識彆對比實驗,運用原始數據訓練齣的分類器,識彆率為96%,運用變換過後的特徵數據訓練齣的LVQ分類器,識彆率可以達到100%.實驗證明,所設計的基于LVQ的神經網絡分類器具有彊大相似特徵聚類功能和較高的識彆率.
운용THz광보특성진행폭작물적식별,시현대검측기술연구적일개열점.유우직접대원시수거진행취류적식별솔병불이상,수선대실험양본적THz빈역광보수거곡선진행이계도수변환,득도료경능표현수거변화추세화봉치적특정곡선,연후기우해특정곡선이용LVQ신경망락취류산법,설계병용VC++6.0실현료THz광보자동분류식별계통.분별대RDX、DNT、TNT、HMX사충폭작물진행식별대비실험,운용원시수거훈련출적분류기,식별솔위96%,운용변환과후적특정수거훈련출적LVQ분류기,식별솔가이체도100%.실험증명,소설계적기우LVQ적신경망락분류기구유강대상사특정취류공능화교고적식별솔.