基于激光特征数据分类的数学建模仿真分析

论文摘要

为了提高激光大数据的准确分类性能,构建激光特征数据分类数学模型,提出一种基于向量量化分解和自相关特征提取的激光特征数据分类数学建模方法。构建激光特征数据的相空间分布结构模型,分析激光特征数据的量化结构特征,采用关联规则挖掘方法进行激光特征数据的属性类别挖掘,对挖掘的属性类别特征量采用向量量化分解方法进行结构重排,构建激光特征数据分类的检验统计量和判决准则,采用自相关特征提取方法进行数据分类识别,实现激光特征数据分类数学模型优化建模。仿真结果表明,采用该方法进行激光特征数据分类的准确性较高,误分率较小。

论文目录

• 1 引言
• 2 数据结构分析和特征提取
•   2.1 激光特征数据的相空间分布结构模型
•   2.2 激光数据特征提取模型
• 3 数据分类数学建模优化
•   3.1 激光特征数据的属性类别挖掘
•   3.2 数据分类识别
• 4 仿真实验与性能分析
• 5 结语

文章来源

类型: 期刊论文

作者: 刘清华

关键词: 激光特征数据,分类,数学建模,特征提取

来源: 激光杂志 2019年06期

年度: 2019

分类: 信息科技,基础科学

专业: 物理学,无线电电子学,计算机软件及计算机应用

单位: 北京信息职业技术学院

基金: 国家自然科学基金(No.11501040)

分类号: TP311.13;TN24

DOI: 10.14016/j.cnki.jgzz.2019.06.197

页码: 197-201

总页数: 5

文件大小: 588K

下载量: 105