基于RBF和SVM的古代玻璃制品成分预测与分类OA
中国古代玻璃易受埋藏环境的影响而风化.在风化过程中,内部元素和埋藏环境中的元素进行大量转换,易引起其化学成分比率改变,进而影响对文物中玻璃类型的准确判定.该文利用RBF神经网络将文物颜色、纹饰、未风化的数据作为基函数输入实现对已风化的玻璃文物的化学成分比例的未知函数逼近,得出玻璃文物风化前的化学成分比例,建立C-支持向量分类机,利用MATLAB程序训练得出SVM的支持向量及线性分类函数,通过输入样本标准化数据判断网络模型的合理性通过之后,利用判别函数C((x))来分析玻璃文物的分类规律,当C((x))≥0,(x)属于第 1 类高钾型;当C((x))＜0,(x)属于第 2 类铅钡型.
曹晋云;许天宇;刘勇;张艳滴
黑龙江大学,哈尔滨 150080黑龙江大学,哈尔滨 150080||南通西科瑞智能科技有限公司,江苏 南通 226010
历史学
古代玻璃文物RBF神经网络预测SVM向量机类别划分成分预测
《科技创新与应用》 2023 (018)
41-43,48 / 4
国家级大学生创新创业项目(202210212137);中央引导地方科技发展专项项目(ZY21CBL001);2022年度南通市基础科学研究和社会民生科技计划项目(MS22022112)
评论