典型文献
一种改进AlexNet模型气溶胶颗粒分类方法
文献摘要：
大气环境污染问题频繁的发生,对社会的经济、城市的发展以及人们的生活都产生了极大的负面影响.如何有效的改善大气环境污染现状,提升大气环境质量,是需要亟待解决的问题.本文根据沈阳地区大气污染特征,将大气气溶胶颗粒划分为7种类别,分析每种类别气溶胶颗粒质谱图的特征.对深度学习分类模型AlexNet进行相应改进优化,利用现有的被命名的质谱图信息,完成气溶胶颗粒成分分类模型的训练与建立.在气溶胶颗粒监测分析的过程中,实现气溶胶颗粒自动分类代替人工分类的过程,将识别质谱图的工作自动化,极大的节省了人力资源.测试结果显示改进的AlexNet分类模型准确率达到95％,在气溶胶监测工作中,可以用于辅助完成气溶胶颗粒的污染特征分析以及来源解析.
文献关键词：
AlexNet;气溶胶颗粒;深度学习;质谱图
中图分类号：
作者姓名：
马元婧;郭锐锋;祖彪
作者机构：
中国科学院沈阳计算技术研究所,沈阳110168;中国科学院大学,北京100049;辽宁省生态环境监测中心,沈阳110161
文献出处：
引用格式：
[1]马元婧;郭锐锋;祖彪-.一种改进AlexNet模型气溶胶颗粒分类方法)[J].小型微型计算机系统,2022(10):2057-2062
A类：
B类：
AlexNet,气溶胶颗粒,分类方法,大气环境污染,环境污染问题,污染现状,大气环境质量,沈阳地区,大气污染特征,大气气溶胶,别气,质谱图,分类模型,改进优化,谱图信息,监测分析,自动分类,代替人工,工分,模型准确率,气溶胶监测,监测工作,污染特征分析,来源解析
AB值：
0.295075
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
