论文部分内容阅读
小波分析是通过对分析信号进行小波变换,按信号空间尺度(频率)的不同,分成高频部分和低频部分,各成分在时间轴的位置不变.该文利用小波变换的这些特性,对偏最小二乘法和人工神经网络进行了改进,概括起来,主要工作如下:利用Daubechies小波对吸收度矩阵先进行了分解舍弃高频,重构,以去除噪声,再将变换后的吸收度矩阵进行偏最小二乘运算,从而大大提高了偏最小二乘算法的抗干扰能力.为提高人工神经网络的运算速度,增强其自组织、自学习、自适应能力,该研究对吸收光谱数据进行Haar小波变换,压缩数据,同时消除噪声,将压缩后的数据作为人工神经网络的输入,使人工神经网络的运算速度大为提高,而且结果也优于常规人工神经网络.该文将上述两种新的算法应用于模拟体系和复方多组分体系同时测定,并与常规偏最小二乘法、人工神经网络法及标准法、高效液相色谱法测得结果进行了比较.