基于小波变换和连续Hopfield神经网络的重叠峰解析策略

论文摘要

针对化学谱图分析中的重叠峰解析问题,提出了一种基于小波变换和连续Hopfield神经网络的谱图重叠峰解析策略.使用高斯函数作为曲线拟合的数学模型,将重叠峰分解为一系列高斯峰的叠加组合.首先,根据检测信号卷积型小波变换中奇异点特性分析原理,利用卷积型小波变换方法寻找信号的特征点,并根据特征点对信号做出初步解析;然后,构造解析峰参数与解析误差之间的函数关系,并以之作为连续Hopfield神经网络的能量函数;最后,根据该网络自我演化特性经过指定次数的迭代得到误差函数的极小值点,进而得到谱图重叠峰的最终解析参数.谱图重叠峰模拟解析表明,所提算法有效.

论文目录

• 0 引言
• 1 基于高斯函数的曲线拟合
• 2 基于小波变换的谱图峰特征点识别
•   2.1 小波变换系数与谱图峰信号特征点之间的逻辑对应关系
•   2.2 小波变换系数曲线特征点识别算法
•   2.3 谱图峰特征点识别结果分析
• 3 基于连续Hopfield神经网络的谱图峰参数寻优
•   3.1 谱图峰解析参数初始值设立算法
•   3.2 连续Hopfield神经网络能量函数构造
•   3.3 谱图峰解析参数寻优算法
•   3.4 寻优结果分析
• 4 结语

文章来源

类型: 期刊论文

作者: 徐喜荣,潘子琦,李兴华,李金泽

关键词: 重叠峰解析,曲线拟合,小波变换,神经网络

来源: 大连理工大学学报 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 化学,自动化技术

单位: 大连理工大学计算机科学与技术学院,上海交通大学计算机科学与工程系,北京伟瑞迪科技有限公司

基金: 国家自然科学基金资助项目(61472465,61170303,61562066),国家级大学生创新训练项目(2016101410168)

分类号: O651;TP183

页码: 97-105

总页数: 9

文件大小: 2309K

下载量: 179