支持向量機在溢油熒光光譜分析中的應用研究.pdf_第1頁
已閱讀1頁，還剩66頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內容提供方，若內容存在侵權，請進行舉報或認領

文檔簡介

1、隨著海洋資源的開發(fā)和使用，海洋受到了嚴重的污染，其中石油污染表現(xiàn)得尤為突出。溢油事故往往造成大面積海域污染，危害十分巨大。因此實時地、正確地監(jiān)測溢油具有重大意義。 本文認真對比了國內外已有的溢油識別方法，分析了以往的人工神經網絡激光熒光光譜識別速度較慢、精度不是很高的原因。提出以光譜形狀作為溢油識別的關鍵特征，并引入基于統(tǒng)計學習理論的支持向量機(SVM)方法來識別溢油熒光光譜的種類。在人工神經網絡眾多的模型中，選擇了應用比較廣

2、泛的誤差反向傳播(BP)網絡和徑向基函數(shù)(RBF)網絡。 本文的核心工作是建立了BP、RBF網絡和SVM激光熒光光譜分析識別模型。并利用已有的激光遙感設備獲取光譜對建立的幾種模型進行測試實驗，得到了實驗結果。測試實驗主要考察的是這3種模型的識別精度和速度。測試實驗得出，BP網絡激光熒光光譜分析識別模型的平均訓練時間16.0280s，J下確率為86.7％；RBF網絡激光熒光光譜分析識別模型的平均訓練時間0.6064s，正確率為8

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論