本文主要研究内容
作者吴晓萍,管业鹏,李伟东,罗宏杰（2019）在《可见-近红外光谱的古陶瓷断代分类识别》一文中研究指出：为客观、有效对古陶瓷进行无损断代,提出了一种基于可见-近红外光谱古陶瓷断代分类识别方法。耀州窑古陶瓷跨代较多,且不同朝代之间具有物理相似性,因此耀州窑的断代具有一定的挑战性。以耀州窑为研究对象,在采用紫外-可见-近红外光谱分析仪获取古陶瓷不同朝代的多光谱数据的基础上,提出基于分数阶微分对光谱数据进行预处理,避免微分预处理常用的一阶微分和二阶微分遗漏中间过渡信息,同时压制并消除光谱数据中的背景信息和噪声干扰。实验结果表明,未进行微分处理(0阶)时,耀州窑不同年代古陶瓷的分类准确率仅为84.8%,而基于不同分数阶微分的分类准确率均较0阶明显高,分数阶微分的最优阶数为0.7阶。另外,提出基于深度信念网络对不同朝代古陶瓷进行断代分类,首先采用层叠的受限玻尔兹曼机(RBM)对深度网络进行预训练,提取光谱数据高层特征以消除光谱数据中的冗余特征。实验结果表明,光谱数据经RBM降维之前特征间的相关系数为0.885 7,经第一层和第二层RBM降维后的相关系数分别为0.544 6和0.391 5,特征间的相关性明显下降,冗余度明显减少。然后将RBM预训练得到的权值参数对BP神经网络进行初始化,并对深度信念网络进行微调,在克服BP神经网络因随机初始化权值参数而陷入局部最优局限性的同时,提升网络训练主动性。实验可得,深度信念网络的最优RBM数量为2, RBM隐藏层最优节点数为100。最后,为避免小样本数据基于深度信念网络进行训练易出现过拟合,提出了一种Dropout随机丢弃策略,在深度信念网络训练阶段以一定概率随机让网络某些隐含层节点的权重不工作,以减少网络训练过程特征之间的相互依赖性,实验可得当Dropout丢弃比例为0.45时,分类性能最高。采用所提方法,耀州窑不同朝代古陶瓷分类的平均准确率为93.5%,而耀州窑五代时期的分类识别率最高为96.3%。通过与同类古陶瓷断代分析方法的客观定量对比,表明所提方法有效、可行,为古陶瓷的断代提供了新方法。
Abstract
wei ke guan 、you xiao dui gu tao ci jin hang mo sun duan dai ,di chu le yi chong ji yu ke jian -jin gong wai guang pu gu tao ci duan dai fen lei shi bie fang fa 。yao zhou yao gu tao ci kua dai jiao duo ,ju bu tong chao dai zhi jian ju you wu li xiang shi xing ,yin ci yao zhou yao de duan dai ju you yi ding de tiao zhan xing 。yi yao zhou yao wei yan jiu dui xiang ,zai cai yong zi wai -ke jian -jin gong wai guang pu fen xi yi huo qu gu tao ci bu tong chao dai de duo guang pu shu ju de ji chu shang ,di chu ji yu fen shu jie wei fen dui guang pu shu ju jin hang yu chu li ,bi mian wei fen yu chu li chang yong de yi jie wei fen he er jie wei fen wei lou zhong jian guo du xin xi ,tong shi ya zhi bing xiao chu guang pu shu ju zhong de bei jing xin xi he zao sheng gan rao 。shi yan jie guo biao ming ,wei jin hang wei fen chu li (0jie )shi ,yao zhou yao bu tong nian dai gu tao ci de fen lei zhun que lv jin wei 84.8%,er ji yu bu tong fen shu jie wei fen de fen lei zhun que lv jun jiao 0jie ming xian gao ,fen shu jie wei fen de zui you jie shu wei 0.7jie 。ling wai ,di chu ji yu shen du xin nian wang lao dui bu tong chao dai gu tao ci jin hang duan dai fen lei ,shou xian cai yong ceng die de shou xian bo er ci man ji (RBM)dui shen du wang lao jin hang yu xun lian ,di qu guang pu shu ju gao ceng te zheng yi xiao chu guang pu shu ju zhong de rong yu te zheng 。shi yan jie guo biao ming ,guang pu shu ju jing RBMjiang wei zhi qian te zheng jian de xiang guan ji shu wei 0.885 7,jing di yi ceng he di er ceng RBMjiang wei hou de xiang guan ji shu fen bie wei 0.544 6he 0.391 5,te zheng jian de xiang guan xing ming xian xia jiang ,rong yu du ming xian jian shao 。ran hou jiang RBMyu xun lian de dao de quan zhi can shu dui BPshen jing wang lao jin hang chu shi hua ,bing dui shen du xin nian wang lao jin hang wei diao ,zai ke fu BPshen jing wang lao yin sui ji chu shi hua quan zhi can shu er xian ru ju bu zui you ju xian xing de tong shi ,di sheng wang lao xun lian zhu dong xing 。shi yan ke de ,shen du xin nian wang lao de zui you RBMshu liang wei 2, RBMyin cang ceng zui you jie dian shu wei 100。zui hou ,wei bi mian xiao yang ben shu ju ji yu shen du xin nian wang lao jin hang xun lian yi chu xian guo ni ge ,di chu le yi chong Dropoutsui ji diu qi ce lve ,zai shen du xin nian wang lao xun lian jie duan yi yi ding gai lv sui ji rang wang lao mou xie yin han ceng jie dian de quan chong bu gong zuo ,yi jian shao wang lao xun lian guo cheng te zheng zhi jian de xiang hu yi lai xing ,shi yan ke de dang Dropoutdiu qi bi li wei 0.45shi ,fen lei xing neng zui gao 。cai yong suo di fang fa ,yao zhou yao bu tong chao dai gu tao ci fen lei de ping jun zhun que lv wei 93.5%,er yao zhou yao wu dai shi ji de fen lei shi bie lv zui gao wei 96.3%。tong guo yu tong lei gu tao ci duan dai fen xi fang fa de ke guan ding liang dui bi ,biao ming suo di fang fa you xiao 、ke hang ,wei gu tao ci de duan dai di gong le xin fang fa 。
论文参考文献
论文详细介绍
论文作者分别是来自光谱学与光谱分析的吴晓萍,管业鹏,李伟东,罗宏杰，发表于刊物光谱学与光谱分析2019年03期论文，是一篇关于可见近红外光谱论文,分数阶微分论文,深度信念网络论文,随机丢弃论文,光谱学与光谱分析2019年03期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自光谱学与光谱分析2019年03期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：可见近红外光谱论文; 分数阶微分论文; 深度信念网络论文; 随机丢弃论文; 光谱学与光谱分析2019年03期论文;