文献类型：期刊文章

作　　者：韩应哲[1] 张延炘[1] 常胜江[1] 申金媛[2]

机构地区：[1]南开大学现代光学研究所,光电信息技术科学教育部重点实验室,天津300071 [2]郑州大学信息工程学院,河南省激光与光电信息技术重点实验室,河南郑州450052

出　　处：《光电子．激光》

基　　金：国家自然科学基金资助项目(60277022;60477009);天津市自然科学基金重点资助项目(023800811);博士点基金资助项目(20030055022);南开大学科技创新基金资助项目

年　　份：2005

卷　　号：16

期　　号：6

起止页码：718-721

语　　种：中文

收录情况：BDHX、BDHX2004、CAS、CSCD、CSCD2011_2012、EI(收录号：2005319278035)、IC、JST、RCCSE、SCOPUS、核心刊

摘　　要：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。

关 键 词：非线性荧光光谱  小波变换 最佳  概率神经网络 小波函数 光谱特征  污染气体 小波压缩 原始数据  气体识别 和分解  维数  

分 类 号：TP391.41] O437[计算机类]