基于支持向量機的紅外光譜子結(jié)構(gòu)解析.pdf

1、隨著商品化紅外光譜儀的計算機化，出現(xiàn)了許多計算機輔助紅外光譜識別方法，這些方法大致可以分為三類：專家系統(tǒng)；譜圖檢索系統(tǒng)；模式識別方法。其中最常用的模式識別方法是人工神經(jīng)網(wǎng)絡(luò)和偏最小二乘法。它們對存在的結(jié)構(gòu)碎片的預(yù)測準(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)和收斂速度慢等問題?！　”疚膶⒅С窒蛄繖C用于紅外光譜子結(jié)構(gòu)解析。隨機選取了OMNIC數(shù)據(jù)庫中的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)測集，含有412張。對紅外光譜中16個常見的子結(jié)構(gòu)進行解析。在訓(xùn)練的過程中調(diào)整參數(shù)(C，σ)，使得支持向量機能夠以很高的精度對“存在”的子結(jié)構(gòu)進行得預(yù)測，當(dāng)“存在”預(yù)測精度很高，而“不存在”的預(yù)測精度低的時候，就要稍微降低一下“存在”的預(yù)測精度，使得“不存在”的也有較好的預(yù)測精度。所訓(xùn)練的支持向量機對16個子結(jié)構(gòu)“存在”的預(yù)測正確率(Pc)和“不存在”的預(yù)測正確率(Ac)的平均值分別為93.3％和99.0％，“存在”的

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