基于PCA-ELM的红外多光谱辐射测温
TB133%TN219; 在目标发射率未知的情况下,建立一种基于主元分析(PCA)与极限学习机(ELM)相结合的红外多光谱测温方法.分析目标温度与辐射亮度谱的非线性数学模型,确定初始输入向量包含温度估计所需的充分信息;引入PCA方法从输入向量中提取相互独立的主元成分,降低神经网络输入维数;基于ELM网络对样本数据充分学习,最终建立PCA-ELM目标红外测温模型.利用黑体和未知发射率材料涂层目标作为测试目标源,验证该方法的有效性....
Gespeichert in:
| Veröffentlicht in: | 上海交通大学学报 2021, Vol.55 (7), p.891-898 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 898 |
|---|---|
| container_issue | 7 |
| container_start_page | 891 |
| container_title | 上海交通大学学报 |
| container_volume | 55 |
| creator | 席剑辉 姜瀚 陈博 傅莉 |
| description | TB133%TN219; 在目标发射率未知的情况下,建立一种基于主元分析(PCA)与极限学习机(ELM)相结合的红外多光谱测温方法.分析目标温度与辐射亮度谱的非线性数学模型,确定初始输入向量包含温度估计所需的充分信息;引入PCA方法从输入向量中提取相互独立的主元成分,降低神经网络输入维数;基于ELM网络对样本数据充分学习,最终建立PCA-ELM目标红外测温模型.利用黑体和未知发射率材料涂层目标作为测试目标源,验证该方法的有效性. |
| doi_str_mv | 10.16183/j.cnki.jsjtu.2020.027 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_shjtdxxb202107013</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>shjtdxxb202107013</wanfj_id><sourcerecordid>shjtdxxb202107013</sourcerecordid><originalsourceid>FETCH-wanfang_journals_shjtdxxb2021070133</originalsourceid><addsrcrecordid>eNpjYJAzNNAzNDO0MNbP0kvOy87UyyrOKinVMzIwMtAzMDJnYeA0NDAw0zUyMTPnYOAtLs5MMjA1NDYztzAz4GTQfjp_15NdfQHOjrquPr7PZ7U837Xo6ZJpT5fMetra-WLDxhf7Jjzd0PJsa_ezHSt5GFjTEnOKU3mhNDeDpptriLOHbnliXlpiXnp8Vn5pUR5QJr44I6skpaIiCegGQwNzA0NjY1LUAgDXOEpQ</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>基于PCA-ELM的红外多光谱辐射测温</title><source>DOAJ Directory of Open Access Journals</source><source>Alma/SFX Local Collection</source><creator>席剑辉 ; 姜瀚 ; 陈博 ; 傅莉</creator><creatorcontrib>席剑辉 ; 姜瀚 ; 陈博 ; 傅莉</creatorcontrib><description>TB133%TN219; 在目标发射率未知的情况下,建立一种基于主元分析(PCA)与极限学习机(ELM)相结合的红外多光谱测温方法.分析目标温度与辐射亮度谱的非线性数学模型,确定初始输入向量包含温度估计所需的充分信息;引入PCA方法从输入向量中提取相互独立的主元成分,降低神经网络输入维数;基于ELM网络对样本数据充分学习,最终建立PCA-ELM目标红外测温模型.利用黑体和未知发射率材料涂层目标作为测试目标源,验证该方法的有效性.</description><identifier>ISSN: 1006-2467</identifier><identifier>DOI: 10.16183/j.cnki.jsjtu.2020.027</identifier><language>chi</language><publisher>沈阳航空航天大学自动化学院,沈阳110136</publisher><ispartof>上海交通大学学报, 2021, Vol.55 (7), p.891-898</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/shjtdxxb/shjtdxxb.jpg</thumbnail><link.rule.ids>314,780,784,864,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>席剑辉</creatorcontrib><creatorcontrib>姜瀚</creatorcontrib><creatorcontrib>陈博</creatorcontrib><creatorcontrib>傅莉</creatorcontrib><title>基于PCA-ELM的红外多光谱辐射测温</title><title>上海交通大学学报</title><description>TB133%TN219; 在目标发射率未知的情况下,建立一种基于主元分析(PCA)与极限学习机(ELM)相结合的红外多光谱测温方法.分析目标温度与辐射亮度谱的非线性数学模型,确定初始输入向量包含温度估计所需的充分信息;引入PCA方法从输入向量中提取相互独立的主元成分,降低神经网络输入维数;基于ELM网络对样本数据充分学习,最终建立PCA-ELM目标红外测温模型.利用黑体和未知发射率材料涂层目标作为测试目标源,验证该方法的有效性.</description><issn>1006-2467</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2021</creationdate><recordtype>article</recordtype><recordid>eNpjYJAzNNAzNDO0MNbP0kvOy87UyyrOKinVMzIwMtAzMDJnYeA0NDAw0zUyMTPnYOAtLs5MMjA1NDYztzAz4GTQfjp_15NdfQHOjrquPr7PZ7U837Xo6ZJpT5fMetra-WLDxhf7Jjzd0PJsa_ezHSt5GFjTEnOKU3mhNDeDpptriLOHbnliXlpiXnp8Vn5pUR5QJr44I6skpaIiCegGQwNzA0NjY1LUAgDXOEpQ</recordid><startdate>2021</startdate><enddate>2021</enddate><creator>席剑辉</creator><creator>姜瀚</creator><creator>陈博</creator><creator>傅莉</creator><general>沈阳航空航天大学自动化学院,沈阳110136</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2021</creationdate><title>基于PCA-ELM的红外多光谱辐射测温</title><author>席剑辉 ; 姜瀚 ; 陈博 ; 傅莉</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_shjtdxxb2021070133</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2021</creationdate><toplevel>online_resources</toplevel><creatorcontrib>席剑辉</creatorcontrib><creatorcontrib>姜瀚</creatorcontrib><creatorcontrib>陈博</creatorcontrib><creatorcontrib>傅莉</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>上海交通大学学报</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>席剑辉</au><au>姜瀚</au><au>陈博</au><au>傅莉</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>基于PCA-ELM的红外多光谱辐射测温</atitle><jtitle>上海交通大学学报</jtitle><date>2021</date><risdate>2021</risdate><volume>55</volume><issue>7</issue><spage>891</spage><epage>898</epage><pages>891-898</pages><issn>1006-2467</issn><abstract>TB133%TN219; 在目标发射率未知的情况下,建立一种基于主元分析(PCA)与极限学习机(ELM)相结合的红外多光谱测温方法.分析目标温度与辐射亮度谱的非线性数学模型,确定初始输入向量包含温度估计所需的充分信息;引入PCA方法从输入向量中提取相互独立的主元成分,降低神经网络输入维数;基于ELM网络对样本数据充分学习,最终建立PCA-ELM目标红外测温模型.利用黑体和未知发射率材料涂层目标作为测试目标源,验证该方法的有效性.</abstract><pub>沈阳航空航天大学自动化学院,沈阳110136</pub><doi>10.16183/j.cnki.jsjtu.2020.027</doi></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1006-2467 |
| ispartof | 上海交通大学学报, 2021, Vol.55 (7), p.891-898 |
| issn | 1006-2467 |
| language | chi |
| recordid | cdi_wanfang_journals_shjtdxxb202107013 |
| source | DOAJ Directory of Open Access Journals; Alma/SFX Local Collection |
| title | 基于PCA-ELM的红外多光谱辐射测温 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-07T18%3A48%3A09IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=%E5%9F%BA%E4%BA%8EPCA-ELM%E7%9A%84%E7%BA%A2%E5%A4%96%E5%A4%9A%E5%85%89%E8%B0%B1%E8%BE%90%E5%B0%84%E6%B5%8B%E6%B8%A9&rft.jtitle=%E4%B8%8A%E6%B5%B7%E4%BA%A4%E9%80%9A%E5%A4%A7%E5%AD%A6%E5%AD%A6%E6%8A%A5&rft.au=%E5%B8%AD%E5%89%91%E8%BE%89&rft.date=2021&rft.volume=55&rft.issue=7&rft.spage=891&rft.epage=898&rft.pages=891-898&rft.issn=1006-2467&rft_id=info:doi/10.16183/j.cnki.jsjtu.2020.027&rft_dat=%3Cwanfang_jour%3Eshjtdxxb202107013%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=shjtdxxb202107013&rfr_iscdi=true |