将主成分分析(PCA)用于遥感傅里叶变换红外光谱(Remote Sensing Fourier Transform Infrared:RSFTIR)的特征提取,结合学习矢量量化(LVQ)神经网络,实现了PCA-LVQ对大气中的8组分混合体系进行快速定性分析的建模方法.并与单纯的LVQ神经网络、反向传播人工神经网络(BP-ANN)得到的结果进行了比较.PCA-LVQ显示出较好的处理数据的能力,它不仅提高了运算速度,而且提高了模型的预测准确度,分类精度达到91.7%.PCA-LVQ的这一预测精度及运算速度,足以满足遥感傅里叶变换红外光谱对大气中有毒气体的实时、在线监测的需要.
参考文献
| [1] | Tetko I V,Solov'ev V P,Antonov A V,Yao X,Doucet J P,Fan B,Hoonakker F,Fourches D,Jost P,Lachiche N,Varnek A.J Chem Inf Model[J],2006,46:808 |
| [2] | Rani K Y,Patwardhan S C.Ind Eng Chem Res[J],2004,43:7 539 |
| [3] | Li G Z,Yang J,Song H F,Yang S S,Lu W C,Chen N Y.J Chem Inf Comput Sci[J],2004,44:2 047 |
| [4] | Asikainen A,Kolehmainen M,Ruuskanen J,Tuppurainen K.Chemosphere[J],2006,62:658 |
| [5] | (O)lmez T,Dokur Z.Pattern Recognition Lett[J],2003,24:617 |
| [6] | Bashar M K,Ohnishi N,Matsumoto T,Takeuchi Y,Kudo H,Agusa K.Pattern Recognition Lett[J],2005,26:2315 |
| [7] | Luo X C,Singh C,Patton A D.Electric Power Syst Res[J],2003,66:163 |
| [8] | Baurin N,Mozziconacci J C,Arnoult E,Chavatte P,Marot C,Morin-Allory L.J Chem Inf Comput Sci[J],2004,44:276 |
| [9] | Yu P.J Agric Food Chem[J],2005,53:7 115 |
| [10] | Qin A K,Suganthan P N.Pattern Recognition[J],2005,38:773 |
上一张
下一张
上一张
下一张
计量
- 下载量()
- 访问量()
文章评分
- 您的评分：
-
10%
-
20%
-
30%
-
40%
-
50%