典型文献
LIBS结合GA-BP神经网络与GA-SVM对塑料分类研究
文献摘要：
塑料制品回收力度小、重复利用率低,造成环境污染和资源浪费,因此对废旧塑料精确分类是提高塑料回收的关键.本文采用激光诱导击穿光谱(LIBS)技术结合遗传算法优化误差反向传播神经网络(GA-BP)和支持向量机(GA-SVM)对常见的10种塑料进行分类识别.利用LIBS技术对塑料样品进行处理,分别采集每种塑料样品100组光谱.对采集到的原始光谱做滤波和归一化处理,提取光谱中14条主要的特征谱线,分别建立GA-B P神经网络和GA-SVM模型.实验结果表明,GA-BP神经网络对塑料的识别性能优于GA-SVM,其中GA-BP神经网络识别精度为99.25％,原因是GA-SVM利用升维算法实现对数据集的分类,在塑料样品种类多的情况,分类效果不及GA-BP神经网络.因此,利用LIBS技术结合不同的识别算法,可以实现对多种塑料样品的分类,也为研究不同算法对塑料样品分类识别提供研究思路.
文献关键词：
激光诱导;BP神经网络;支持向量机;分类识别
中图分类号：
作者姓名：
路永华
作者机构：
兰州财经大学信息工程学院,甘肃 兰州730020
文献出处：
引用格式：
[1]路永华-.LIBS结合GA-BP神经网络与GA-SVM对塑料分类研究)[J].激光与红外,2022(02):273-279
A类：
B类：
LIBS,GA,分类研究,塑料制品,重复利用,成环,资源浪费,废旧塑料,精确分类,激光诱导击穿光谱,技术结合,遗传算法优化,误差反向传播神经网络,分类识别,归一化处理,特征谱线,识别性,识别精度,升维,算法实现,分类效果,识别算法
AB值：
0.251105
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
