胡兰萍
,
葛存旺
,
陈婷婷
,
史传国
应用化学
doi:10.3969/j.issn.1000-0518.2007.12.004
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:RSFTIR)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.
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
