基于PCA-BP神经网络的古代玻璃分类模型

摘要

为了有效地鉴别古代玻璃并分析其主要成分，提出了一种预测古文物玻璃制品类型的方法。根据现有数据测量得到13种主要化学成分含量，基于主成分分析（PCA）,将所得主成分作为反向传播算法（BP）神经网络的输入，构造一种基于PCA-BP神经网络的古代玻璃分类模型。实验中，选择80%的数据作为训练集与测试集，选择20%的数据作为验证集。结果表明：对玻璃文物样品提取的主成分有显著贡献的化学成分为SiO₂、K₂O、PbO和BaO;改进后的模型与传统神经网络模型相比，对样品预测平均相对误差率小于4%,迭代时间缩短，对未知的古玻璃文物样品的预测估计更精确；提出的玻璃分类模型在不同地区的不同数据集上有可靠的精确度，并相较于Logistics模型有较好的预测效果。

关键词

玻璃 / 主成分分析 / 反向传播算法 / 神经网络