排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
小波变换和RBF网络用于模式法分解重叠色谱峰 总被引:2,自引:0,他引:2
将小波变换和神经网络相结合,研究色谱数据处理中分解重叠峰的新方法.首先利用小波变换多分辨分析和奇异性检测原理提取重叠色谱峰上的各特征点,构造反映重叠峰形状、位置和高度的5个无因次特征量,然后借助径向基函数(RBF)网络来表达重叠峰中子峰面积比和5个无因次特征量的映射关系,建立分解重叠色谱峰的模式识别模型.实验结果表明,采用训练好的RBF神经网络分解重叠色谱峰,准确度优于传统的垂线分割法,而且可实现对只有一个峰强极大点的肩峰型重叠峰的分解. 相似文献
2.
基于小波变换的重叠色谱峰检测方法研究 总被引:6,自引:0,他引:6
为了构建一种色谱数据处理方法,可以同时解决包含肩峰的复杂重叠色谱峰群检测中的噪声滤除、基线校正和谱峰辨识等问题,作者利用小波变换多分辨分析及奇异性检测原理,提出了一种色谱信号处理的新方法.通过对仿真和实验数据处理的结果表明:该方法检测重叠色谱信号无须专门的滤波和基线校正步骤,可以确定出色谱图中包含肩峰在内的复杂峰群各特征点位置和峰形情况.用该方法开发的检测算法只需设置两个参数,方便了计算机的自动处理. 相似文献
3.
4.
5.
基于旋转曲面变换的粒子群优化方法 总被引:2,自引:1,他引:2
针对粒子群优化算法(PSO)应用于多极值点函数易陷入局部极小值,提出旋转曲面变换(RST)方法.该方法通过将被优化函数映射到一个同胚曲面上,使当前局部极小点变换为全局最大点,并保持被优化函数值在当前局部极小点以下部分的数值不变.当检测到陷入局部极小时,根据具体的优化函数,选择适当的变换参数,进行RST变换,从而得到问题的全局解.并对四个不同的测试函数进行了数值计算实验.结果表明,对于高维函数,当迭代步数相同时,旋转曲面变换粒子群优化算法与其他两种粒子群优化算法相比,具有稳定性要好,收敛速度快. 相似文献
1