一种基于机器学习的驻极体薄膜穿透识别方法

摘要

本发明公开了一种基于机器学习的驻极体薄膜穿透识别方法，对驻极体薄膜输出的信号经过电荷放大，陷波器和电压适调反向放大器后进行采集，对采集到的信号进行特征提取；同时为了减少机器学习方法的算法复杂度，对特征进行主成分分析，将特征的维度减小；并采用改进的人工神经网络算法对驻极体薄膜穿透情况进行判断，改进的算法可以自适应的选择正则化项系数，从而提高识别驻极体薄膜穿透情况的准确率；整个识别过程无需过多的人工操作，不需要很高的采样率，降低了识别驻极体薄膜穿透情况的复杂度；训练完成的改进型人工神经网络可以嵌入到软件中，进行在线的分类，无需将信号存储下来再进行分类，大大提高了工作效率。