应用遗传算法-主成分分析-反向传播神经网络的近红外光谱识别树种效果 被引量：6

1

作者 冯国红 朱玉杰 +1 位作者 徐华东 蒋天宁 《东北林业大学学报》 CAS CSCD 北大核心 2020年第6期56-60,共5页

以风车木(Conbretum imberbe)和非洲小叶紫檀(Pterocarpus tinctorius Welw)为研究对象,应用LabSpec光谱仪采集光谱样本进行主成分分析(PCA),并运用遗传算法(GA)对主成分进行寻优,分别以未经GA寻优的主成分和经GA寻优的主成分作为反向传... 以风车木(Conbretum imberbe)和非洲小叶紫檀(Pterocarpus tinctorius Welw)为研究对象,应用LabSpec光谱仪采集光谱样本进行主成分分析(PCA),并运用遗传算法(GA)对主成分进行寻优,分别以未经GA寻优的主成分和经GA寻优的主成分作为反向传播(BP)神经网络输入量,测试了BP神经网络识别两种树种的效果。结果表明:寻优前,获得高识别率的主成分区间较窄,仅有5种情况识别效果理想,此种情况不利于主成分数的恰当选择;寻优后,获得高识别率的主成分区间较宽,从前6到前17有12种情况可供选择,此种情况更利于主成分的合理选择;寻优后的识别率比寻优前高,且稳定性较好。利用近红外光谱,依据GA-PCA-BP神经网络方法识别树种是一种理想的方法。 展开更多

关键词 树种识别 近红外光谱 遗传算法 主成分分析 反向传播神经网络

在线阅读 下载PDF 职称材料

改进KPCA结合多目标蜻蜓算法优化BP神经网络的联合收割机故障诊断

2

作者 孟桐 雷鸣 +2 位作者 宋文广 王丹丹 黄梦可 《机电工程》 北大核心 2025年第7期1258-1267,共10页

针对联合收割机数据维度高、诊断效果不理想的问题,提出了一种改进核主成分分析(KPCA)结合多目标蜻蜓算法(MTDA)优化反向传播(BP)神经网络的联合收割机故障诊断方法。首先,采用Morlet小波作为KPCA的核函数,其融合了高斯包络与正弦波特性... 针对联合收割机数据维度高、诊断效果不理想的问题,提出了一种改进核主成分分析(KPCA)结合多目标蜻蜓算法(MTDA)优化反向传播(BP)神经网络的联合收割机故障诊断方法。首先,采用Morlet小波作为KPCA的核函数,其融合了高斯包络与正弦波特性,能够有效捕捉收割机的瞬态变化与局部异常,从而提取出了不同工况下的主要成分,降低了数据维度,减少了冗余信息;其次,针对传统蜻蜓算法的局限性,引入了自适应变异策略、非线性惯性权重及动态收敛因子,构建了多目标蜻蜓算法,对Schaffer、Michalewicz和Rastrigin函数进行了求解,验证了MTDA能显著提升全局与局部搜索平衡能力;最后,利用MTDA对BP神经网络的权值和阈值进行了优化,构建了MTDA-BP综合故障诊断模型,将模型应用于联合收割机的故障诊断中,通过实验验证了其有效性。研究结果表明:故障诊断平均精度达到96.7%,通过与当前主流方法的实验对比分析,采用Micro-average ROC进行了模型评价,结果显示该模型的曲线下面积(AUC)为0.967。实验结果充分证明了该模型在检测精确度与泛化性方面均具有显著优势,该研究也为解决智能农业机械中的诊断提供了一种有效的方法。 展开更多

关键词 核主成分分析 MORLET小波 多目标蜻蜓算法 反向传播神经网络 联合收割机 故障诊断

在线阅读 下载PDF 职称材料

基于近红外光谱结合主成分分析和BP神经网络的常用塑料快速鉴别 被引量：14

3

作者 李文环 金尚忠 +2 位作者 陈玲玲 许小康 吴逸萍 《塑料工业》 CAS CSCD 北大核心 2016年第12期124-127,137,共5页

为了实现塑料的分类回收,需要对塑料进行快速准确的鉴别。收集了丙烯腈-丁二烯-苯乙烯(ABS)、聚丙烯(PP)、聚乙烯(PE)、聚对苯二甲酸乙二醇酯(PET)、聚苯乙烯(PS)、聚氯乙烯(PVC)、聚碳酸酯(PC)等7种常用的塑料,利用近红外光谱仪分别测... 为了实现塑料的分类回收,需要对塑料进行快速准确的鉴别。收集了丙烯腈-丁二烯-苯乙烯(ABS)、聚丙烯(PP)、聚乙烯(PE)、聚对苯二甲酸乙二醇酯(PET)、聚苯乙烯(PS)、聚氯乙烯(PVC)、聚碳酸酯(PC)等7种常用的塑料,利用近红外光谱仪分别测得其反射光谱,应用主成分分析和反向传播(BP)神经网络建立模型进行鉴别。首先利用主成分分析提取光谱的特征信息,前8个主成分的累计贡献率达到94.367%,包含了原始光谱的主要信息,将这8个主成分作为BP神经网络的输入,7种塑料的种类作为输出,建立三层BP神经网络模型。每种塑料各30个样本共210个用来训练神经网络模型,各10个共70个用来预测,预测结果准确率达98.571%,能够有效鉴别常用塑料。 展开更多

关键词 近红外光谱 塑料 主成分分析 反向传播神经网络 鉴别

在线阅读 下载PDF 职称材料

基于PCA-BP神经网络的古代玻璃分类模型

4

作者 陈世豪 王元奎 +2 位作者 李肖兵 李勇 胡立坤 《广西大学学报（自然科学版）》 CAS 北大核心 2024年第5期1088-1098,共11页

为了有效地鉴别古代玻璃并分析其主要成分,提出了一种预测古文物玻璃制品类型的方法。根据现有数据测量得到13种主要化学成分含量,基于主成分分析(PCA),将所得主成分作为反向传播算法(BP)神经网络的输入,构造一种基于PCA-BP神经网络的... 为了有效地鉴别古代玻璃并分析其主要成分,提出了一种预测古文物玻璃制品类型的方法。根据现有数据测量得到13种主要化学成分含量,基于主成分分析(PCA),将所得主成分作为反向传播算法(BP)神经网络的输入,构造一种基于PCA-BP神经网络的古代玻璃分类模型。实验中,选择80%的数据作为训练集与测试集,选择20%的数据作为验证集。结果表明:对玻璃文物样品提取的主成分有显著贡献的化学成分为SiO 2、K 2O、PbO和BaO;改进后的模型与传统神经网络模型相比,对样品预测平均相对误差率小于4%,迭代时间缩短,对未知的古玻璃文物样品的预测估计更精确;提出的玻璃分类模型在不同地区的不同数据集上有可靠的精确度,并相较于Logistics模型有较好的预测效果。 展开更多

关键词 玻璃 主成分分析 反向传播算法 神经网络

在线阅读 下载PDF 职称材料

基于反向传播神经网络的区域水资源需求量预测——以金华市为例 被引量：2

5

作者 刘丹丹 冯利华 王宁 《浙江大学学报（农业与生命科学版）》 CAS CSCD 北大核心 2011年第2期231-236,共6页

为推广反向传播(BP)神经网络在区域水资源需求量预测方面的实际应用,以金华市为例,通过主成分分析法得到金华市水资源需求量的3类主要影响因子——经济发展因素、水资源开发利用因素和水环境破坏因素;运用BP神经网络预报模型对该区域水... 为推广反向传播(BP)神经网络在区域水资源需求量预测方面的实际应用,以金华市为例,通过主成分分析法得到金华市水资源需求量的3类主要影响因子——经济发展因素、水资源开发利用因素和水环境破坏因素;运用BP神经网络预报模型对该区域水资源总需求量进行预测,得出金华市2010年总需水量为21.935 280×108m3,其结果可为与水资源相协调区域的发展规划提供参考. 展开更多

关键词 水资源需求量 反向传播神经网络 影响因子 主成分分析

在线阅读 下载PDF 职称材料

基于主成分分析法优化神经网络的滆湖组黏性土抗剪强度预测 被引量：9

6

作者 顾春生 唐鑫 +3 位作者 朱常坤 陆志锋 刘涛 张其琪 《科学技术与工程》 北大核心 2023年第28期11980-11989,共10页

为了研究苏锡常地区滆湖组黏性土抗剪强度特性,建立抗剪强度参数预测模型;以研究区711组滆湖组黏性土物理力学试验数据为载体,运用主成分分析(principal component analysis,PCA)方法,从样本11个指标中提取影响目标变量的主成分;将其作... 为了研究苏锡常地区滆湖组黏性土抗剪强度特性,建立抗剪强度参数预测模型;以研究区711组滆湖组黏性土物理力学试验数据为载体,运用主成分分析(principal component analysis,PCA)方法,从样本11个指标中提取影响目标变量的主成分;将其作为反向传播神经网络(back propagation neural network,BPNN)模型的输入层,建立基于PCA-BPNN算法的滆湖组黏性土抗剪强度预测模型。结果表明:当主成分数量为3时,主成分累计贡献率达93.4%;第一、二主成分贡献率分别为52.1%和36.6%;PCA算法即保留了样本大部分信息,又实现了对多维变量的降维。第一主成分可归纳为土体孔隙特性,与黏聚力和内摩擦角均呈负相关关系;第二主成分可归纳为土体水稳性,与黏聚力和内摩擦角均呈正相关关系;土体孔隙特性越显著,水稳性越弱,抗剪强度越低。建立了滆湖组黏性土抗剪强度参数PCA-BPNN预测模型,模型抗剪强度拟合优度为0.85,内摩擦角拟合优度为0.72;模型可靠性总体较高。可见PCA-BPNN预测模型即可降低解释变量间的多重共线性,简化了模型,又能够提升模型的泛化能力;为运用数学方法研究土体工程地质参数提供了参考。 展开更多

关键词 主成分分析(PCA) 反向传播神经网络(BPNN) 滆湖组黏性土 抗剪强度 预测模型

在线阅读 下载PDF 职称材料

基于核主成分分析与改进神经网络的电力负荷中期预测模型 被引量：28

7

作者 孙新程 孔建寿 刘钊 《南京理工大学学报》 EI CAS CSCD 北大核心 2018年第3期259-265,共7页

为了提高电力负荷中期预测水平,提出了1种核主成分分析(KPCA)和粒子群优化反向传播神经网络(PSO-BPNN)相结合的电力负荷中期预测模型。引入KPCA对原始输入空间降维重构,将降维后的数据集输入PSO算法优化的BPNN模型中,提出了月平均最大... 为了提高电力负荷中期预测水平,提出了1种核主成分分析(KPCA)和粒子群优化反向传播神经网络(PSO-BPNN)相结合的电力负荷中期预测模型。引入KPCA对原始输入空间降维重构,将降维后的数据集输入PSO算法优化的BPNN模型中,提出了月平均最大预测负荷修正日预测负荷的方法,输出待预测日的最大预测负荷。采用欧洲智能技术网络提供的负荷数据进行验证,实验结果的平均绝对百分误差为1.39%。 展开更多

关键词 核主成分分析 粒子群优化 反向传播神经网络 电力负荷 中期预测

在线阅读 下载PDF 职称材料

基于PCA-BP神经网络的煤与瓦斯突出预测研究 被引量：75

8

作者 朱志洁 张宏伟 +1 位作者 韩军 宋卫华 《中国安全科学学报》 CAS CSCD 北大核心 2013年第4期45-50,共6页

为提高煤与瓦斯突出预测的效率和准确率,将主成分分析(PCA)法与神经网络相结合,对煤与瓦斯突出进行预测。以平顶山八矿为研究对象,基于地质动力区划方法,搜集影响煤与瓦斯突出的因素的相关数据。通过PCA法提取影响因素的主成分,选取贡... 为提高煤与瓦斯突出预测的效率和准确率,将主成分分析(PCA)法与神经网络相结合,对煤与瓦斯突出进行预测。以平顶山八矿为研究对象,基于地质动力区划方法,搜集影响煤与瓦斯突出的因素的相关数据。通过PCA法提取影响因素的主成分,选取贡献率大于80%的3个主成分,代替原有的9个影响因素,将其作为反向传播(BP)神经网络的3个输入参数。将突出强度划分为4个等级,建立PCA-BP煤与瓦斯突出预测模型。选取典型的突出样本对PCA-BP神经网络进行训练,用检验样本检验训练好的网络,结果表明预测符合实际情况。 展开更多

关键词 煤与瓦斯突出 地质动力区划 主成分分析(PCA) 反向传播(BP)神经网络 仿真预测

在线阅读 下载PDF 职称材料

基于PCA-BP神经网络的EDXRF分析测定地质样品中铁、钛元素含量的应用研究 被引量：14

9

作者 徐立鹏 葛良全 +4 位作者 谷懿 刘敏 张庆贤 李飞 罗斌 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2013年第5期1392-1396,共5页

为实现地质样品中元素含量的准确预测,提出了基于主成分分析(PCA)的改进型BP神经网络模型。采用X荧光光谱法,对新疆西天山地质样品中Fe,Ti,V,Pb和Zn等元素进行测量,将得到的X荧光计数作为输入变量,应用该模型对未知地质样品中Fe和Ti元... 为实现地质样品中元素含量的准确预测,提出了基于主成分分析(PCA)的改进型BP神经网络模型。采用X荧光光谱法,对新疆西天山地质样品中Fe,Ti,V,Pb和Zn等元素进行测量,将得到的X荧光计数作为输入变量,应用该模型对未知地质样品中Fe和Ti元素进行定量预测。结果表明:主成分分析与改进型BP神经网络模型取得了较好的预测效果,预测结果与化学分析值的相对误差小于3%,为地质样品元素含量预测提供了一种新型有效的方法。 展开更多

关键词 能量色散X荧光(EDXRF) 主成分分析(PCA) 主成分-误差反向传播网络(PCA-BP) 地质样品

在线阅读 下载PDF 职称材料

基于PCA-BPNN的桥梁爆炸荷载时程预测

10

作者 杜晓庆 何益平 +2 位作者 邱涛 程帅 张德志 《爆炸与冲击》 北大核心 2025年第3期77-91,共15页

人工智能方法是预测爆炸荷载的新手段,但现有方法主要用于预测爆炸冲击波的超压峰值或冲量,而用于预测反射超压时程的研究不多。针对这一问题,以平面冲击波绕射桥梁主梁为对象,提出了一种基于主成分分析(principal components analysis,... 人工智能方法是预测爆炸荷载的新手段,但现有方法主要用于预测爆炸冲击波的超压峰值或冲量,而用于预测反射超压时程的研究不多。针对这一问题,以平面冲击波绕射桥梁主梁为对象,提出了一种基于主成分分析(principal components analysis,PCA)和误差反向传播神经网络(backpropagation neural network,BPNN)的桥梁爆炸冲击波反射超压时程预测模型。该预测模型利用PCA降维处理时程数据,基于多任务学习的BPNN算法,提出了考虑超压峰值和冲量峰值影响的损失函数,使模型能有效预测不同入射超压下的桥梁冲击波荷载时程。通过分析多任务学习模型、多输入单输出模型和多输入多输出模型等3种BPNN模型,发现多任务学习模型的预测精度最高,而多输入多输出模型难以有效适应当前预测任务需求。采用多任务学习模型预测得到的桥梁表面各测点位置的反射超压时程、超压峰值精度较高,决定系数R2分别为0.792和0.987,作用在箱梁上的合力时程和扭矩时程预测值也与数值模拟值较为吻合。同时,该模型对内插值预测的表现优于外推值预测,但其在预测外推值方面同样展现出了一定的能力。 展开更多

关键词 爆炸荷载预测 反射超压时程 误差反向传播神经网络 主成分分析 多任务学习

在线阅读 下载PDF 职称材料

基于径向基神经网络的太阳能电池缺陷检测 被引量：9

11

作者 沈凌云 朱明 陈小云 《发光学报》 EI CAS CSCD 北大核心 2015年第1期99-105,共7页

为了检测太阳能电池的缺陷,建立了太阳能电池板的电致发光(EL)图像与其缺陷类型间的神经网络预测模型,可以对太阳能电池板不同类型缺陷进行自适应检测。首先,采用主成分分量分析(PCA)算法对电致发光(EL)图像训练样本集降维;然后,将降维... 为了检测太阳能电池的缺陷,建立了太阳能电池板的电致发光(EL)图像与其缺陷类型间的神经网络预测模型,可以对太阳能电池板不同类型缺陷进行自适应检测。首先,采用主成分分量分析(PCA)算法对电致发光(EL)图像训练样本集降维;然后,将降维后得到的数据输入神经网络预测模型进行学习,对模型的参数进行优化选取;最后,将训练好的网络对测试样本集进行仿真。仿真结果表明:在采用相同的训练样本集和测试样本集条件下,与反向传播神经网络(BPNN)相比,径向基神经网络(RBFNN)具有全局最优特性,结构简单,最高识别率达96.25%,计算时间较短,能满足在线检测的要求。 展开更多

关键词 缺陷检测 反向传播神经网络 径向基神经网络 主成分分析 降维

在线阅读 下载PDF 职称材料

基于波段深度分析和BP神经网络的水稻色素含量高光谱估算 被引量：9

12

作者 郑雯 明金 +2 位作者 杨孟克 周四维 汪善勤 《中国生态农业学报》 CSCD 北大核心 2017年第8期1224-1235,共12页

该文以水稻田间氮肥水平试验为基础,采用单变量的线性和非线性回归方法,建立基于植被指数的水稻色素含量高光谱估算模型。各植被指数对色素含量的估计能力分析结果显示,植被指数在色素含量较大时存在饱和问题,为此尝试将波段深度分析(B... 该文以水稻田间氮肥水平试验为基础,采用单变量的线性和非线性回归方法,建立基于植被指数的水稻色素含量高光谱估算模型。各植被指数对色素含量的估计能力分析结果显示,植被指数在色素含量较大时存在饱和问题,为此尝试将波段深度分析(BDA)与BP神经网络结合,以提高利用高光谱技术对水稻叶片色素含量的估算精度。基于连续统去除处理的水稻冠层高光谱数据(400~750 nm),选取波段深度(BD)、波段深度比(BDR)、归一化波段深度(NBDI)和归一化面积波段指数(BNA)4种波段指数,在此基础上进行主成分分析(PCA)实现降维,然后采用反向传播(BP)神经网络方法对水稻叶片色素含量进行高光谱反演,探讨BDA与BP神经网络结合解决植被指数饱和问题的可能性和有效性。结果表明,波段深度分析突出了光谱吸收特征差异,挖掘了更多的潜在信息,使得光谱曲线的差异性得到增强。BD与BP结合的估算模型对水稻叶片中的类胡萝卜素含量估算精度最高(R^2=0.61,RMSEP=0.128 mg?g^(-1)),BNA与BP结合的估算模型对水稻叶片中的叶绿素含量估算精度最高(R^2=0.73,RMSEP=0.343 mg?g^(-1))。对比分析BDA与BP结合的模型和植被指数最佳回归模型的精度,发现波段深度分析建立的BP神经网络模型能较好地解决饱和问题,提高水稻叶片色素含量的估算精度。 展开更多

关键词 高光谱 水稻 色素 植被指数 波段深度分析 主成分分析 反向传播神经网络

在线阅读 下载PDF 职称材料

LAPS型电子舌神经网络味觉识别 被引量：1

13

作者 蒋行国 褚福刚 +1 位作者 陈真诚 梁晋涛 《计算机工程》 CAS CSCD 2012年第13期26-29,共4页

根据光寻址电位传感器(LAPS)原理,提出一种结合主成分分析和反向传播(BP)神经网络识别溶液味觉的方法。对LAPS电子舌采集的味觉数据主成分进行提取,将该主成分作为BP神经网络的训练样本,通过训练和学习构建味觉数据与味觉类别之间的联系... 根据光寻址电位传感器(LAPS)原理,提出一种结合主成分分析和反向传播(BP)神经网络识别溶液味觉的方法。对LAPS电子舌采集的味觉数据主成分进行提取,将该主成分作为BP神经网络的训练样本,通过训练和学习构建味觉数据与味觉类别之间的联系,用训练后的BP网络对溶液进行味觉识别。对浓度分别为20 ppm、100 ppm、300 ppm和500 ppm的酸、甜、苦、咸、鲜5种味觉溶液进行识别验证,准确率达96.6%,结果表明该方法能够在不同浓度下正确识别出溶液的味觉。 展开更多

关键词 光寻址电位传感器电子舌 味觉识别 神经网络 反向传播算法 主成分分析 特征提取

在线阅读 下载PDF 职称材料

基于混沌蚁群神经网络的浮选过程经济技术指标预测 被引量：3

14

作者 张勇 朱晶 《上海交通大学学报》 EI CAS CSCD 北大核心 2016年第6期975-979,共5页

以选矿中的浮选生产过程为研究对象,提出一种基于混沌蚁群神经网络算法预测浮选过程经济技术指标的测量模型.采用主元分析进行输入数据集降维,应用混沌蚁群算法与最小二乘法相结合的混合算法调整前提参数和目标值,以取代二次规划求解优... 以选矿中的浮选生产过程为研究对象,提出一种基于混沌蚁群神经网络算法预测浮选过程经济技术指标的测量模型.采用主元分析进行输入数据集降维,应用混沌蚁群算法与最小二乘法相结合的混合算法调整前提参数和目标值,以取代二次规划求解优化问题,并达到求解速度快、仿真精度高的效果;同时,采用混沌蚁群算法训练神经网络,在随机扰动或测量噪声存在的情况下仍可以达到较好的训练目的,并提高了网络参数辨识的收敛速度.同时,以某实际选矿浮选生产过程的生产数据作为建模和预测数据进行仿真分析,并与初始的主元分析-反向传播(BP)神经网络模型预测结果加以对比.结果表明,所提出的模型能够实现浮选过程经济技术指标的全局预测,与优化前的模型相比其预测误差明显较低,预测精度提高了1.8%,满足优化浮选药剂添加的计算要求. 展开更多

关键词 混合蚁群算法 主元分析-反向传播神经网络 软测量指数预测

在线阅读 下载PDF 职称材料

基于神经网络的人造板装饰纸表面色泽特征分类研究 被引量：3

15

作者 李康 张毛毛 +1 位作者 杨忠 吕斌 《林业工程学报》 北大核心 2018年第1期16-20,共5页

通过测定人造板专用装饰纸表面的色泽参数(色度学参数和光泽度),对装饰纸表面色泽特征进行量化分析,并利用色泽参数的特征信息结合误差反向传播神经网络(BP神经网络)对装饰纸进行建模分类,探讨利用装饰纸表面的色泽参数进行装饰纸表面... 通过测定人造板专用装饰纸表面的色泽参数(色度学参数和光泽度),对装饰纸表面色泽特征进行量化分析,并利用色泽参数的特征信息结合误差反向传播神经网络(BP神经网络)对装饰纸进行建模分类,探讨利用装饰纸表面的色泽参数进行装饰纸表面色泽特征分类。以色泽参数数据作为神经网络的输入变量,装饰纸类型作为神经网络的输出变量,建立三层BP神经网络模型,其中,隐含层的最佳节点数为9。结果表明:通过对色泽度参数的主成分分析,增加了光泽度参数后,各类装饰纸之间的独特性增强,更利于对装饰纸进行分类。利用色度学参数(明度指数L*,红绿轴色品指数a*和黄蓝轴色品指数b*)对装饰纸进行建模分类时,判别的总正确率为80.9%,引入光泽度参数之后判别的总正确率提高至92.9%,说明利用色度学与光泽度参数结合BP神经网络可以用于装饰纸表面视觉特征的量化分析以及快速识别分类。 展开更多

关键词 人造板装饰纸 表面色泽特征分类 色度学参数 光泽度 主成分分析 误差反向传播神经网络

在线阅读 下载PDF 职称材料

基于PCA与BP混合神经网络算法的电子鼻系统 被引量：4

16

作者 王巍巍 张赛男 《传感器与微系统》 CSCD 北大核心 2014年第4期90-92,共3页

为了对食物品质进行非接触式评价,基于6种费加罗金属氧化物气体传感器阵列,通过由数据采集模块和微处理器模块组成的硬件设计方案,设计并研制了可对被测食物进行实时、无损检测的电子鼻系统。在软件设计方案上,该系统采用主成分分析(PCA... 为了对食物品质进行非接触式评价,基于6种费加罗金属氧化物气体传感器阵列,通过由数据采集模块和微处理器模块组成的硬件设计方案,设计并研制了可对被测食物进行实时、无损检测的电子鼻系统。在软件设计方案上,该系统采用主成分分析(PCA)和反向传播(BP)混合神经网络模式,通过LabVIEW对气体"指纹信息"数据库进行分析。实验结果表明:该设计的电子鼻系统可以很好地区分不同种类的食醋,并提供了一种对食醋品质评价的便利方法。 展开更多

关键词 非接触式 气体传感器阵列 主成分分析 反向传播 混合神经网络 电子鼻

在线阅读 下载PDF 职称材料

基于KPCA-SAE-BP模型的有源干扰识别算法

17

作者 赵忠臣 刘利民 +2 位作者 解辉 韩壮志 荆贺 《现代防御技术》 北大核心 2025年第3期159-166,共8页

针对强噪声环境下雷达新型有源干扰识别准确率不高的问题,提出了一种KPCA-SAE-BP网络算法。提取干扰信号时域、频域、波形域、小波域、双谱域等特征构建67维输入空间,经过核主成分分析(kernel principal component analysis,KPCA)将高... 针对强噪声环境下雷达新型有源干扰识别准确率不高的问题,提出了一种KPCA-SAE-BP网络算法。提取干扰信号时域、频域、波形域、小波域、双谱域等特征构建67维输入空间,经过核主成分分析(kernel principal component analysis,KPCA)将高维数据进行非线性降维与重构,利用SAE-BP神经网络完成分类识别。仿真结果表明,在干噪比(JNR)大于-1 dB的强噪声环境中,KPCA-SAE-BP网络算法对6种新型有源干扰的识别准确率达到90%以上,训练与识别时间少于0.7 s。相同参数条件下,与经典BP神经网络、SAE-BP网络、KPCA-BP网络、GA-BP网络相比,具有更好的检测识别性能。 展开更多

关键词 有源干扰识别 核主成分分析 堆叠自编码器 反向传播神经网络 特征提取 特征降维

在线阅读 下载PDF 职称材料

基于PCA-BPNN对无机氢化物pK_a的QSPR研究

18

作者 余训爽 《安徽大学学报（自然科学版）》 CAS 北大核心 2013年第6期104-108,共5页

采用Chemoffice10.0中的MOPAC/AM1半经验算法,计算13个无机氢化物的6种量子化学参数:偶极距(μ)、分子电子能(EE)、分子最高占据轨道能(E homo)、分子最低未占据轨道能(E lumo)、分子总能量(TE)和非氢原子的净电荷(q),利用SPSS19.0软件... 采用Chemoffice10.0中的MOPAC/AM1半经验算法,计算13个无机氢化物的6种量子化学参数:偶极距(μ)、分子电子能(EE)、分子最高占据轨道能(E homo)、分子最低未占据轨道能(E lumo)、分子总能量(TE)和非氢原子的净电荷(q),利用SPSS19.0软件的主成分分析模块和BP神经网络模块对样本数据集进行预处理,将得到的样本数据集输入人工神经网络,构建无机氢化物pK a的主成分-反向传播神经网络(PCABPNN)QSPR模型.结果表明:利用SPSS19.0软件快速实现PCA-BPNN模型取得了非常满意的结果,而且模型的相关系数高,所得结果均优于传统的多元线性回归方法. 展开更多

关键词 无机氢化物 量子化学参数 定量结构-性质相关 主成分分析(QSPR) 主成分-反向传播神经网络(pca-bpnn)

在线阅读 下载PDF 职称材料

PCA-LVQ法及其在RS-FTIR大气环境监测数据处理中的应用 被引量：1

19

作者 胡兰萍 葛存旺 +1 位作者 陈婷婷 史传国 《应用化学》 CAS CSCD 北大核心 2007年第12期1364-1367,共4页

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:RS-FTIR)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... 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:RS-FTIR)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。 展开更多

关键词 主成分分析 学习矢量量化神经网络 反向传播人工神经网络 多组分分析 环境监测

在线阅读 下载PDF 职称材料

基于KPCA-SSA-BP的农业气象灾害预测 被引量：6

20

作者 李思宇 李玥 《江苏农业学报》 CSCD 北大核心 2023年第6期1366-1371,共6页

农业气象灾害对农业发展有很大阻碍,为优化农业气象灾害预测的估算模型,本研究以山东省作为研究区域,利用核主成分分析(KPCA)对影响因子进行降维,以传统反向传播(BP)神经网络模型为基础,基于麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算... 农业气象灾害对农业发展有很大阻碍,为优化农业气象灾害预测的估算模型,本研究以山东省作为研究区域,利用核主成分分析(KPCA)对影响因子进行降维,以传统反向传播(BP)神经网络模型为基础,基于麻雀搜索算法(SSA)、粒子群算法(PSO)、遗传算法(GA)3种优化算法,构建了SSA-BP、PSO-BP、GA-BP 3种优化模型。结果表明,在旱灾受灾率的模型评价指标对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的均方根误差(RMSE)分别下降23.55%、12.28%和17.74%;在洪灾受灾率的模型评价对比中,发现与传统BP神经网络模型相比,SSA-BP、PSO-BP、GA-BP神经网络模型的RMSE分别下降了29.96%、9.49%和13.88%。说明SSA-BP神经网络模型对旱灾受灾率、洪灾受灾率的预测效果优于传统BP神经网络模型以及PSO-BP、GA-BP优化的神经网络模型。 展开更多

关键词 农业气象灾害 核主成分分析(KPCA) 反向传播(BP)神经网络模型 麻雀搜索算法 粒子群算法 遗传算法

在线阅读 下载PDF 职称材料