北京化工大学学报(自然科学版)
北京化工大學學報(自然科學版)
북경화공대학학보(자연과학판)
JOURNAL OF BEIJING UNIVERSITY OF CHEMICAL TECHNOLOGY(NATURAL SCIENCE EDITION)
2013年
5期
100-103
,共4页
可拓神经网络%主成分分析%三维荧光光谱
可拓神經網絡%主成分分析%三維熒光光譜
가탁신경망락%주성분분석%삼유형광광보
extension neural network%principal component analysis%three-dimensional fluorescence spectroscopy
提出了结合主成分分析法(PCA)的可拓神经网络算法,并且将其应用于柴油、煤油、汽油的三维荧光光谱分类识别中.实验结果表明,相比传统的BP神经网络算法,该算法迭代数下降了80步,识别率由89%提高到93%,体现了结合算法的高识别率和高效性.
提齣瞭結閤主成分分析法(PCA)的可拓神經網絡算法,併且將其應用于柴油、煤油、汽油的三維熒光光譜分類識彆中.實驗結果錶明,相比傳統的BP神經網絡算法,該算法迭代數下降瞭80步,識彆率由89%提高到93%,體現瞭結閤算法的高識彆率和高效性.
제출료결합주성분분석법(PCA)적가탁신경망락산법,병차장기응용우시유、매유、기유적삼유형광광보분류식별중.실험결과표명,상비전통적BP신경망락산법,해산법질대수하강료80보,식별솔유89%제고도93%,체현료결합산법적고식별솔화고효성.