基于径向基函数网络的浮游植物活体三维荧光光谱分类

摘要

将小波变换与神经网络相结合,对浮游植物活体的三维荧光光谱进行分类.首先利用小波变换对数据进行压缩,然后利用径向基函数(Radial Basis Function, RBF)神经网络对光谱曲线进行逼近,从而进行物种的识别,平均识别率高达95.8%.结果表明,该方法较传统的统计方法更方便、准确率更高.