+
Действующая цена700 499 руб.
Товаров:
На сумму:

Электронная библиотека диссертаций

Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО

Расширенный поиск

Методы и алгоритмы идентификации веществ по сильно зашумлённым спектрам

Методы и алгоритмы идентификации веществ по сильно зашумлённым спектрам
  • Автор:

    Васильев, Николай Сергеевич

  • Шифр специальности:

    05.13.18

  • Научная степень:

    Кандидатская

  • Год защиты:

    2015

  • Место защиты:

    Москва

  • Количество страниц:

    134 с. : ил.

  • Стоимость:

    700 р.

    499 руб.

до окончания действия скидки
00
00
00
00
+
Наш сайт выгодно отличается тем что при покупке, кроме PDF версии Вы в подарок получаете работу преобразованную в WORD - документ и это предоставляет качественно другие возможности при работе с документом
Страницы оглавления работы
"
Основние сокращения и обозначения 
1.1. Существующие экспериментальные методы идентификации



Содержание

Основние сокращения и обозначения


Введение
Глава 1. Обзор существующих методов регистрации и идентификации веществ по их спектрам

1.1. Существующие экспериментальные методы идентификации


веществ

1.2. Распознавание веществ по спектрам

1.2.1. Коэффициент корреляции

1.2.2. Метод наименьших квадратов


1.2.3. Вероятностный подход к задачам идентификации спектров
1.2.4. Другие способы определения меры различия спектров
1.3. Комбинированный анализ по нескольким спектрам
1.4. Анализ надёжности алгоритмов
1.5. Выводы по главе
Глава 2. Аналитические методы идентификации веществ по спектрам
2.1. Идентификация как решение переопределённых систем уравнений

2.1.1. Численный метод решения
2.1.2. Аналитический метод решения
2.1.3. Учёт ограничения на количество составляющих компонент в зарегистрированном спектре
2.2. Идентификация веществ с учётом случайных ошибок измерения
2.2.1. Модель формирования и преобразования ошибок измерения в задаче идентификации веществ
2.2.2. Статистические характеристики меры ЭАМ
2.2.3. Применение модели формирования и преобразования
ошибок к задаче идентификации веществ
2.3. Идентификация веществ по нескольким спектрам
2.3.1. Прямой способ комбинирования спектров
2.3.2. Применение метода наименьших квадратов
2.3.3. Учёт взаимных интенсивностей спектров
2.3.4. Проверка гипотез и задача идентификации веществ
по нескольким диапазонам
2.4. Выводы по главе
Глава 3. Программно-вычислительный комплекс
3.1. Описание аппаратного обеспечения
3.2. Структура программно-вычислительного комплекса
3.2.1. Алгоритм работы программного комплекса
3.3. Алгоритмы идентификации веществ по спектрам
3.3.1. Идентификация однокомпонентных спектров
3.3.2. Идентификация многокомпонентных спектров
3.3.3. Использование в анализе нескольких спектров

3.4. Выводы по главе
Глава 4. Экспериментальная апробация методов и алгоритмов
4.1. Прибор для проведения вне лабораторного экспресс-анализа веществ
4.1.1. Спектральная база данных
4.1.2. Экспериментальные наборы спектров
4.2. Определение оптимального метода решения переопределённой системы уравнений
4.3. Определение параметров распределения меры схожести
4.3.1. Численный эксперимент
4.3.2. Физический эксперимент
4.4. Апробация алгоритмов идентификации веществ по спектрам
4.4.1. Методика оценки эффективности алгоритмов идентификации
4.4.2. Иденификация спектров чистых веществ
4.4.3. Идентификация смесей веществ
4.4.4. Случай большого вклада мешающих примесей в конечный спектр
4.5. Выводы по главе
Общие выводы и результаты работы
Литература

выражение для коэффициента корреляции по формуле:

PVL =
(1.22)
где UJj — весовой коэффициент, введённый для компенсации уменьшения величины суммарного коэффициента корреляции по сравнению с одиночными.
1.4. Анализ надёжности алгоритмов
Рядом авторов были предложены различные способы идентификации спектров, каждый из них применялся в рамках своей методики. Для определения алгоритма, позволяющего распознавать вещества с наибольшей надёжностью для поставленной задачи, требуется оценка его эффективности. Такой анализ проводился в работах [1, 11, 15, 29, 58, 65].
В работе [1] надёжность методик определялась двумя способами: в первом рассчитывалась величина «discrimination power» (DP):
где и — кличество нераспознанных пар спектров, п — количество спектров в базе данных; во втором величина «mean list length» (MLL):
В [29] оценивалась доля ложных срабатываний в зависимости от количества вычислительных операций с плавающей точкой (FLOPS).
1.5. Выводы по главе
MLL = и/п.
(1.24)
В главе 1 рассмотрены существующие аналитические методы идентификации веществ по их спектрам. На сегодняшний день существует большое разнообразие способов идентификации, основанных на сопоставлении

Рекомендуемые диссертации данного раздела

Время генерации: 0.152, запросов: 967