基于支持向量機(jī)的紅外光譜子結(jié)構(gòu)解析.pdf

1、隨著商品化紅外光譜儀的計(jì)算機(jī)化，出現(xiàn)了許多計(jì)算機(jī)輔助紅外光譜識(shí)別方法，這些方法大致可以分為三類：專家系統(tǒng)；譜圖檢索系統(tǒng)；模式識(shí)別方法。其中最常用的模式識(shí)別方法是人工神經(jīng)網(wǎng)絡(luò)和偏最小二乘法。它們對(duì)存在的結(jié)構(gòu)碎片的預(yù)測(cè)準(zhǔn)確度不是很高，且神經(jīng)網(wǎng)絡(luò)尚存在不穩(wěn)定、容易陷入局部最優(yōu)和收斂速度慢等問(wèn)題?！　”疚膶⒅С窒蛄繖C(jī)用于紅外光譜子結(jié)構(gòu)解析。隨機(jī)選取了OMNIC數(shù)據(jù)庫(kù)中的823張譜圖，將分為兩部分，取偶數(shù)部分的譜圖作為訓(xùn)練集，含有411張；取奇

2、數(shù)部分的譜圖作為預(yù)測(cè)集，含有412張。對(duì)紅外光譜中16個(gè)常見(jiàn)的子結(jié)構(gòu)進(jìn)行解析。在訓(xùn)練的過(guò)程中調(diào)整參數(shù)(C，σ)，使得支持向量機(jī)能夠以很高的精度對(duì)“存在”的子結(jié)構(gòu)進(jìn)行得預(yù)測(cè)，當(dāng)“存在”預(yù)測(cè)精度很高，而“不存在”的預(yù)測(cè)精度低的時(shí)候，就要稍微降低一下“存在”的預(yù)測(cè)精度，使得“不存在”的也有較好的預(yù)測(cè)精度。所訓(xùn)練的支持向量機(jī)對(duì)16個(gè)子結(jié)構(gòu)“存在”的預(yù)測(cè)正確率(Pc)和“不存在”的預(yù)測(cè)正確率(Ac)的平均值分別為93.3％和99.0％，“存在”的

3、預(yù)測(cè)可信度(Qpr)和“不存在”的預(yù)測(cè)可信度(Qar)的平均值分別為96.0％和98.8％，平均統(tǒng)計(jì)特性(EQr)為93.4％。相應(yīng)的使用神經(jīng)網(wǎng)絡(luò)對(duì)這些數(shù)據(jù)進(jìn)行訓(xùn)練并預(yù)測(cè)，所訓(xùn)練的神經(jīng)網(wǎng)絡(luò)對(duì)16個(gè)子結(jié)構(gòu)“存在”的預(yù)測(cè)正確率(Pc)和“不存在”的預(yù)測(cè)正確率(Ac)的平均值分別為91.5％和98.5％，“存在”的預(yù)測(cè)可信度(Qor)和“不存在”預(yù)測(cè)可信度(Qar)的平均值分別為92.0％和98.7％，平均統(tǒng)計(jì)特性(EQr)為90.2％，支持