K-means-WNN法解析EDXRF中Fe、 Ta含量算法评价

• 作者: 罗超 钟丁生 钟文义 颜瑜成 黄凯
• 来源期刊: 核电子学与探测技术
• 学科: 工学
• 关键词: K-means聚类 小波神经网络 EDXRF分析 算法评价
• 年，卷（期）: 2018,（4）
• 页码范围: 587-591
• 页数: 5页
• 分类号: TL1
• 字数: 3167字
• 语种: 中文
• DOI: 10.3969/j.issn.0258-0934.2018.04.028

摘要

运用能量色散X射线荧光分析方法,结合聚类分析和小波神经网络建立改进算法模型对EDXRF中Fe、Ta元素含量进行更好的定量准确分析.结果表明,改进后的算法模型与未加入聚类分析的小波神经网络算法结果相比,对五种矿物Fe含量的平均相对误差降低了11.89％,对Ta含量的平均相对误差降低了9.94％;对Fe含量的平均均方根误差降低了15.21％,对Ta含量的平均均方根误差降低了11.24％.该模型可以更好地反映元素特征X射线强度计数与含量之间的非线性关系,提高解析精准度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟丁生	成都理工大学工程技术学院	22	44	2.0	6.0
3	颜瑜成	成都理工大学工程技术学院	21	8	1.0	2.0
7	黄凯	成都理工大学工程技术学院	18	10	2.0	2.0
11	罗超	成都理工大学工程技术学院	9	32	2.0	5.0
14	钟文义	成都理工大学工程技术学院	2	0	0.0	0.0