大气杂质气体神经网络识别的推广性研究

摘要：

采用支持向量机(SVM)方法对小波变换压缩后的非线性荧光光谱数据进行识别,对学习样本和未学习过的样本进行测试,其正确识别率均为100%.为了全面比较推广性能的好坏,建立了一个模拟实际监测数据的模型,并采用这些数据对提出的SVM网络与概率神经网络(PNN)进行了比较研究.仿真结果表明,无论对实验室数据的推广能力,还是对监测条件变化的推广能力,SVM网络较PNN有更好的推广和容错性能.

关键词：杂质气体识别、非线性荧光光谱、推广性、支持向量机(SVM)、概率神经网络(PNN)

所属期刊栏目：16

分类号：O433;TP183;O437;TN911.74(光学)

资助基金：国家自然科学基金60277022,60477009;天津市自然科学基金023800811;高等学校博士学科点专项科研项目20030055022;南开大学校科研和教改项目

在线出版日期：2005-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：710-713