光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2005年
6期
898-901
,共4页
白英奎%申铉国%冯毅%张铁强%黄芳
白英奎%申鉉國%馮毅%張鐵彊%黃芳
백영규%신현국%풍의%장철강%황방
主成分分析%线性神经网络%近红外光谱%VC银翘片
主成分分析%線性神經網絡%近紅外光譜%VC銀翹片
주성분분석%선성신경망락%근홍외광보%VC은교편
用红外光谱仪测量了VC银翘片的近红外谱图, 然后将主成分分析法(PCA)和线性神经网络结合, 分析VC银翘片中的对乙酰氨基酚和维生素C的含量. 讨论了主成分数的选择及影响神经网络的各参数. 为了比较算法的性能, 作者又分别采用了偏最小二乘法、主成分分析结合BP神经网络进行数据处理. 实验及数据处理结果表明, 在3种多组分分析方法中, 主成分分析结合线性神经网络的方法具有最高的预测精度.
用紅外光譜儀測量瞭VC銀翹片的近紅外譜圖, 然後將主成分分析法(PCA)和線性神經網絡結閤, 分析VC銀翹片中的對乙酰氨基酚和維生素C的含量. 討論瞭主成分數的選擇及影響神經網絡的各參數. 為瞭比較算法的性能, 作者又分彆採用瞭偏最小二乘法、主成分分析結閤BP神經網絡進行數據處理. 實驗及數據處理結果錶明, 在3種多組分分析方法中, 主成分分析結閤線性神經網絡的方法具有最高的預測精度.
용홍외광보의측량료VC은교편적근홍외보도, 연후장주성분분석법(PCA)화선성신경망락결합, 분석VC은교편중적대을선안기분화유생소C적함량. 토론료주성분수적선택급영향신경망락적각삼수. 위료비교산법적성능, 작자우분별채용료편최소이승법、주성분분석결합BP신경망락진행수거처리. 실험급수거처리결과표명, 재3충다조분분석방법중, 주성분분석결합선성신경망락적방법구유최고적예측정도.
