期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于均匀设计及非线性偏最小二乘法的非闭合电极ECT传感器参数优化设计 被引量:2
1
作者 刘靖 刘石 +2 位作者 姜凡 雷兢 孙猛 《高技术通讯》 EI CAS CSCD 北大核心 2008年第1期59-64,共6页
提出了一种非闭合电极电容层析成像(ECT)传感器结构参数的优化方法。采用均匀设计结合非线性偏最小二乘(NPLS)回归,提取传感器结构参数(电极极板的宽度 l、绝缘外壳的壁厚δ_1、屏蔽罩与绝缘外壳间距δ_2及绝缘外壳材料的相对介电常数ε... 提出了一种非闭合电极电容层析成像(ECT)传感器结构参数的优化方法。采用均匀设计结合非线性偏最小二乘(NPLS)回归,提取传感器结构参数(电极极板的宽度 l、绝缘外壳的壁厚δ_1、屏蔽罩与绝缘外壳间距δ_2及绝缘外壳材料的相对介电常数ε)与待优化指标(敏感场的均匀度及灵敏度指标 p′、最大与最小电容的比值 K)间的函数关系,建立相应的优化目标泛函,通过对优化目标泛函的求解,最终获得传感器结构参数的最优值。并以10电极非闭合电极 ECT 传感器为研究对象,进行了结构参数的优化设计,根据优化结果设计制作了非闭合电极 ECT 传感器,对其成像进行了仿真与实测。结果表明,参数优化后的传感器图像重建质量优于未优化的传感器。 展开更多
关键词 电容层析成像(ECT) 传感器 优化设计 均匀设计 非线性偏最小二乘法
在线阅读 下载PDF
非线性偏最小二乘导数分光光度法同时测定复方新诺明中二组分的含量 被引量:6
2
作者 周彤 钟家跃 冯江 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2004年第5期616-618,共3页
构造了导数光谱与多组分浓度间的非线性模型 ,以偏最小二乘法估计模型参数 ,建立了同时测定两组分的非线性偏最小二乘导数分光光度法 ,方法用于复方新诺明中磺胺甲唑SMZ(Sulfamethoxazole)和甲氧苄啶TMP(Trimethoprim)含量的测定 ,10... 构造了导数光谱与多组分浓度间的非线性模型 ,以偏最小二乘法估计模型参数 ,建立了同时测定两组分的非线性偏最小二乘导数分光光度法 ,方法用于复方新诺明中磺胺甲唑SMZ(Sulfamethoxazole)和甲氧苄啶TMP(Trimethoprim)含量的测定 ,10份模拟样中SMZ ,TMP的回收率分别为 99 8%和 10 0 1% ,RSD分别为 1 3%和 1 6 %。结果明显好于线性偏最小二乘导数分光光度法。用该法测定复方新诺明片中的二组分含量测定结果与药典方法一致 ,该法为复方制剂的分光光度分析提供了更为理想的新途径。 展开更多
关键词 非线性偏最小二乘法 导数分光光度法 复方新诺明 含量测定 同时测定 磺胺甲噁唑 甲氧苄啶
在线阅读 下载PDF
非线性算法在近红外预测木材密度中的应用研究 被引量:9
3
作者 李耀翔 张鸿富 《森林工程》 2012年第5期38-41,共4页
研究基于近红外光谱技术的木材密度预测。运用基于高斯核变换的非线性偏最小二乘法建立密度预测模型,并且对所建模型的评价参数进行了对比分析。结果表明该方法建立的预测模型能对样品的密度进行有效预测。研究表明样品近红外光谱信息... 研究基于近红外光谱技术的木材密度预测。运用基于高斯核变换的非线性偏最小二乘法建立密度预测模型,并且对所建模型的评价参数进行了对比分析。结果表明该方法建立的预测模型能对样品的密度进行有效预测。研究表明样品近红外光谱信息与样品的实际密度值之间不是单纯的线性关系,非线性模型可以更好地表征二者之间的关系。 展开更多
关键词 木材密度 近红外光谱 非线性偏最小二乘法
在线阅读 下载PDF
用MSC-ANN方法建立冬小麦叶片叶绿素与反射光谱的定量分析模型研究 被引量:7
4
作者 梁雪 吉海彦 +2 位作者 王鹏新 饶震红 申兵辉 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2010年第1期188-191,共4页
采用多元散射校正(MSC)预处理方法对冬小麦叶片反射光谱进行预处理,有效地减小物理因素对光谱的影响,之后用非线性迭代偏最小二乘法(NIPALS)提取经MSC处理后的反射光谱的主成分,主成分个数由交叉证实法(Cross Validation)确定,将提取的... 采用多元散射校正(MSC)预处理方法对冬小麦叶片反射光谱进行预处理,有效地减小物理因素对光谱的影响,之后用非线性迭代偏最小二乘法(NIPALS)提取经MSC处理后的反射光谱的主成分,主成分个数由交叉证实法(Cross Validation)确定,将提取的主成分作为人工神经网络(ANN)的输入,建立人工神经网络分析模型(MSC-ANN),用冬小麦叶片的反射光谱来预测冬小麦叶片叶绿素含量。校准集的化学值与预测值的相关系数r达到0.960 4,预测标准偏差SD为0.187,相对标准偏差RSD为5.18%。检验集的化学值与预测值的相关系数r达到0.960 0,预测标准偏差SD为0.145,相对标准偏差RSD为4.21%。结果表明,MSC-ANN方法能在较大程度上消除了野外物理因素的影响,使用具有代表性的光谱数据点建立模型,能够建立准确的冬小麦叶绿素含量预测模型,可代替经典分析方法,满足冬小麦叶片叶绿素快速分析的需要。 展开更多
关键词 叶绿素 多元散射校正 非线性迭代最小乘法 人工神经网络 反射光谱
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部