选择性神经网络二次集成在火药近红外分析中的应用研究

兵工学报 ›› 2006, Vol. 27 ›› Issue (2): 244-247.

选择性神经网络二次集成在火药近红外分析中的应用研究

施彦¹，黄聪明²

1．北京工商大学信息工程学院，北京100037;2．北京理工大学化工与环境学院，北京100081

收稿日期:2005-07-08 上线日期:2014-12-25
通讯作者: 施彦

The two-Level Selective Neural Network Ensembles Applied to Quantitative Analysis of Propellants

SHI Yan¹, HUANG Cong-ming²

1.College of Information, Beijing Technology and Business University, Beijing 100037, China; 2. School of Chemical Engineering and Environment, Beijing Institute of Technology, Beijing 100081, China

Received:2005-07-08 Online:2014-12-25
Contact: SHI Yan

摘要/Abstract

摘要： 针对建立近红外光谱定量分析的神经网络校正模型时，存在变量数过多以及容易出现过拟合等问题，采用小波变换对近红外光谱进行预处理，用以消除噪声，减少变量个数；并在此基础上，提出一种新的神经网络校正模型一基于改进贪心法的选择性神经网络二次集成，来提高神经网络的泛化能力。实验结果表明：在建立火药近红外分析的校正模型中，该模型不仅建立过程简单而且具有较好的泛化能力。

关键词: 人工智能 , 近红外光谱 , 火药 , 小波变换 , 选择性神经网络二次集成

Abstract: During quantitative analysis of propellant based on near infrared spectroscopy (NIR)，neural networks are good tools for establishing calibration model, but there are still some problems to be con?sidered such as too much variables and “ over-fitting ”. To solve these problems, wavelet transform (WT) was used to preprocess the NIR，and the two-level selective neural network ensembles based on greedy algorithm with first improvement strategy，were proposed. Based on the ensembles, a cali?bration model for the quantitative analysis of propellant was established. Experiment results show that the model is easy to be built and promotes the generalization ability of neural network system.

Key words: artificial intelligence , near infrared spectroscopy , propellant , wavelet transform , two-lev?el selective neural network ensembles

中图分类号:

TP18

施彦，黄聪明. 选择性神经网络二次集成在火药近红外分析中的应用研究[J]. 兵工学报, 2006, 27(2): 244-247.

SHI Yan, HUANG Cong-ming. The two-Level Selective Neural Network Ensembles Applied to Quantitative Analysis of Propellants[J]. Acta Armamentarii, 2006, 27(2): 244-247.

[1]	高嘉明，佘冲冲，陈军，李敏，侯云辉，陈丽珍，王建龙. 基于近红外光谱的梯恩梯凝固点温度检测方法研究[J]. 兵工学报, 2020, 41(5): 1034-1040.
[2]	刘昊，张策，丁文韬. 基于智能对抗进化的联合火力打击任务规划方法[J]. 兵工学报, 2019, 40(6): 1287-1296.
[3]	李程，毛保全，白向华，李晓刚. 磁场方向对圆筒结构内高温导电气体流动与传热特性的影响研究[J]. 兵工学报, 2018, 39(5): 851-858.
[4]	周静，丁黎，张俊林，安静，祝艳龙，梁忆. 基于近红外技术的火药安定期评价新方法[J]. 兵工学报, 2018, 39(3): 463-467.
[5]	程龙，刘攀，杨洪涛，朱绪强，杨月，成一，宋东明. 低压环境下高密度压实黑火药柱燃速规律研究[J]. 兵工学报, 2018, 39(2): 290-295.
[6]	毛保全，李程，白向华，兰图. 含钾盐添加剂的火药燃烧产物导电特性研究[J]. 兵工学报, 2018, 39(2): 296-304.
[7]	王宗炼，任会兰，宁建国. 基于小波变换的混凝土压缩损伤模式识别[J]. 兵工学报, 2017, 38(9): 1745-1753.
[8]	廖自力，项宇，刘春光，李嘉麒. 电传动装甲车辆混合动力系统功率流控制策略[J]. 兵工学报, 2017, 38(12): 2289-2300.
[9]	栗大鹏, 梁伟. 针对非合作目标的自适应网格聚类算法[J]. 兵工学报, 2017, 38(11): 2166-2175.
[10]	王儒，王国新，阎艳，郝佳，石学海，明振军. 支持产品智能化设计的知识服务方法研究[J]. 兵工学报, 2016, 37(11): 2101-2113.
[11]	王菊香，孟凡磊，刘林密，崔伟成. 样品选择结合分段直接校正法和偏最小二乘法用于近红外光谱分析模型传递研究[J]. 兵工学报, 2016, 37(1): 91-96.
[12]	薄超，顾红，苏卫民，陈金立. 天波雷达欠密度流星余迹干扰抑制算法[J]. 兵工学报, 2015, 36(5): 846-853.
[13]	贾亦卓, 姜润翔, 龚沈光. 基于小波模极大值的船舶轴频电场检测算法研究[J]. 兵工学报, 2013, 34(5): 579-584.
[14]	焦玉民1,2, 王强1, 徐婷1, 谢庆华2, 王海涛1. 基于GA-Q-learning 算法的虚拟维修作业规划模型[J]. 兵工学报, 2013, 34(5): 627-633.
[15]	董文1，方向1，范磊1，杨力1，雷志刚. 基于斯坦纳树的雷场网络大面积损坏修复策略[J]. 兵工学报, 2013, 34(2): 197-202.