论文部分内容阅读
液滴分析技术是用于液体真伪鉴别和分类识别的高新技术。通过液滴分析技术，获得代表液体特性的液滴指纹图，该液滴指纹图在一定测试条件下具有唯一性和可比性。对液滴指纹图的识别过程就是液体的识别过程。神经网络技术是以模拟人大脑工作原理来实现信息处理的一门技术，该技术广泛用于模式识别，智能控制等领域。
本文首先针对液滴指纹图的特性，对其使用了三种特征提取方法，分别是波形分析法，数据压缩法和多项式回归法。通过这些方法对数据进行提取和降维，组合成有效的模式向量，有利于模式分类和识别。在特征提取的基础上，对神经网络中的误差反向传播网络(BP)，径向基函数网络(RBF)，自组织特征映射网络(SOM)，学习矢量量化(LVQ)和概率神经网络(PNN)进行了理论分析和MATLAB实验仿真。其中BP、SOM、LVQ和PNN网络在其识别对象的测试中都获得了95％以上的正确识别率，而RBF网络由于其泛化能力不足，识别效果不好。本文还对反馈神经网络中的Hopfield网络，Elman网络和ART网络在液滴指纹图识别应用中作了分析，并得出了ART2型网络十分适用于液滴指纹图的识别的结论。
本文首次将神经网络技术中大部分经典网络应用于液滴指纹图的识别，并获得了良好的识别效果，为液滴指纹图的识别技术开辟了新的有效的方法。