10.3321/j.issn:1005-0086.2005.06.021
基于最佳小波变换和神经网络的气体非线性荧光光谱的识别
将小波变换和神经网络相结合用于非线性荧光光谱的识别,针对非线性荧光光谱的特点,提出了选择最佳小波函数和分解层数的方法,处理后的光谱在保留光谱特征的基础上,大大压缩了数据维数;采用概率神经网络(PNN),对3种污染气体的非线性荧光光谱进行识别,获得了满意的实验结果.由于神经网络的输入是小波压缩后的数据,不仅提取了原始数据中的特征,而且数据的维数也下降7倍多,大大提高了气体识别的速度.
小波变换、神经网络、气体识别、非线性荧光光谱
16
O657.38;O659.12(分析化学)
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
2005-07-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
718-721