基于BP神经网络算法的人体藏毒能谱识别

应用Geant4软件搭建能量色散X射线照射包裹毒品人体组织的仿真模型,对得到能谱数据进行降维后应用BP神经网络算法进行模式识别,以区分人体组织是否包裹毒品.将未包裹与已包裹海洛因的人体组织X射线散射谱经过截断与光滑,形成一个以元素为粒子数,标号为能量的向量.该向量具有较高的维数,为了提高模式识别的有效性,采用主成分分析进行降维.将仿真得到的数据集分为训练集与测试集,使用训练集训练BP神经网络,使用测试集进行识别测试,测试结果表明,使用BP神经网络识别包裹毒品的人体组织X射线散射谱具有较高的正确率.     

基于BP神经网络的食品安全抽检数据挖掘

数据挖掘技术在食品安全领域拥有巨大的应用价值和潜力。通过分析逆向传播(BP)神经网络算法,说明使用该方法的可行性和优越性。以抽检数据为对象,阐述了数据预处理过程,设计并实现了数据挖掘实验。最后利用挖掘结果进行食品检验结论预测,验证了方法的实用价值和指导意义。实验表明,基于BP神经网络的数据挖掘方法具有良好的过程健壮性和较高的结果准确性。通过预判不合格食品的出现,可以指导实际食品安全抽检工作,从而杜绝食品安全问题的发生。     

改进的关联规则在食品安全预警上的应用

为将海量的食品检测数据有效地应用于食品安全预警,首先分析了食品检测数据的特点,以及传统的Apriori算法在挖掘食品检测数据上的不足,进而提出过滤算法,并将其作为Apriori算法的前置组件对算法进行改进,然后建立了食品安全预警模型,最后将实际的食用油检测数据用改进后的算法进行挖掘,发现其存在的潜在安全隐患进而做出风险预警。通过实验对比Apriori算法,发现改进后的算法摒弃了大量的伪关联规则,能有效提高食品安全预警的效率和准确度,具有十分重要的实际意义。     

基于Multisim的超导RSFQ电路仿真研究

为了在通用电路仿真软件中快速展开对超导电路的仿真研究,根据实验室制作的Mg B2/B/Mg B2纵向约瑟夫森结的相关参数,建立了Multisim的电路模型,对约瑟夫森结的特性进行了研究,并利用这个模型建立了超导RSFQ电路中两种不同功能的分支器;在理论分析的基础上,对电路进行了瞬态仿真。仿真结果不仅很好地验证了理论分析,且表明了这种方法的高效性及仿真实时、清楚、直观的优点,可用于进一步对超导RSFQ复杂电路的研究。