张开春[1]2001年在《人工神经网络及其在X荧光考古研究中的应用》文中指出针对科技考古中对大量考古陶片进行产地研究时X荧光分析对多元素、低含量、厚基底考古陶片产生的复杂谱分析的问题，将人工神经网络引入X荧光考古中，进行了叁方面的研究工作：一是用线性OLAM网络(最优线性联想网络)和非线性BP网络(误差反传导网络)分别对考古样品的X荧光复杂谱进行解谱，并比较二者的解谱效果；二是用BP网络模式识别方法对考古样品的产地进行智能识别；叁是为了提高网络运算的可靠性和减小基体效应及电噪声的干扰和影响，研究并提出了叁种网络学习前的谱数据预处理方法。 在本论文工作中，分别研讨了OLAM网络和BP网络的基本原理、算法、学习过程、学习样本的生成和解谱结果的优劣等内容。通过改进BP网络算法，使网络结构更优化，提高了网络收敛速度。针对BP网络单模式学习的不足，提出了一种全模式学习方法，使网络的解谱效果得到改善。比较了两种网络在不同算法、不同谱数据预处理情况下的学习精度、解谱结果和解谱能力。在用BP网络进行产地识别中，建立了产地识别理论和各产地的模式特征量，产地识别效果较好，例如对分类准确的产地，其产地识别正确率达100％，对分类模糊的产地，正确率也能达60％以上。研究还表明经过谱数据预处理后，网络的解谱效果和产地识别效果明显优于未经过谱数据预处理的结果。 本研究表明：引用人工神经网络和X荧光分析进行的科技考古研究中，解谱结果、产地识别结果和谱数据预处理方法都达到了令人满意的效果。证明了人工神经网络在科技考古中有广阔的推广应用前景。 本论文在Win98操作系统下，用VC6.0作开发平台，编制了一系列X荧光解谱和产地识别可视化软件，界面友好、直观，功能齐全、便于使用，取得的结果令人满意。
尹丽[2]2014年在《不同数据处理方法在古陶瓷断源断代研究中的对比分析》文中提出我国具有悠久灿烂的历史文明，古陶瓷是硅酸盐质文物材料的重要组成部分，在研究人类文明史中占有重要地位。人们在对古陶瓷进行科技研究和鉴定的过程中，利用各种分析方法测出古陶瓷胎、釉的元素组成数据只是工作的第一步，而如何真正把隐藏在一大堆看似杂乱无章的数字中的信息集中、萃取、提炼出来，则是古陶瓷研究和鉴定中非常重要的一环[1,2]。由于古陶瓷产品种类繁多，其产区与制瓷技术和艺术的发展也不尽相同，我国古陶瓷的化学组成非常复杂，因此需要对数据变量进行筛选和组元确定等预处理，从数据分析结果图中最大限度地归纳提取我们所需要的信息是鉴定分析过程中一个非常重要的过程[2]。然而，古陶瓷样品数据有其自身的特性，除了古陶瓷自身的多样性以外，还受到古陶瓷元素组成分析技术和数据统计分布情况的影响，此外，不同的数据分析方法也都有其自身的特点和适用范围，所以如何针对古陶瓷样品数据的自身特点和具体的研究目的，有效选择和应用相应的数据分析方法有针对性地进行古陶瓷数据分析，成为古陶瓷科技研究者所关注的一个热点问题。本文针对古陶瓷断源断代、产地特征与演变规律的相应研究目的，由于龙泉窑是我国古代生产青瓷最具代表性的窑口之一，其青瓷产品已成为不同地区广大窑工争相效仿的对象，并以景德镇明清时期仿制最具代表性，且二者在外观上较为接近，传统鉴定方法比较难以区分。因此以景德镇仿龙泉青瓷与龙泉青瓷的胎、釉化学组成为研究对象，选择了多元统计判别分析方法、人工神经网络以及支持向量机算法等叁种不同的数据分析方法对其进行数据处理分析，得出了样品瓷片在胎、釉化学组成上的归类特征，并建立了各类瓷片的判别式，且在一定程度上证实了不同数据分析方法的适用范围和特点，对多种不同的数据处理方法在古陶瓷断源断代中的应用提供了一定的参考。此外，本文将多元统计判别分析、人工神经网络和支持向量机算法进行对比分析，探讨了不同方法之间的差异性及适用性，便于学者根据数据的自身特点和条件，选择更具可靠性和准确性的方法来达到数据分析的目的，为提高不同数据分析方法在古陶瓷科技研究中的合理利用提供了一定的参考依据。
卓尚军[3]2009年在《X射线荧光光谱分析》文中进行了进一步梳理评述了我国在2007~2008年X射线荧光光谱,包括质子激发的X射线光谱的发展和应用,内容包括仪器、软件、仪器改造、仪器维护和维修、基础研究和分析方法研究及其应用。
参考文献：
[1]. 人工神经网络及其在X荧光考古研究中的应用[D]. 张开春. 四川大学. 2001
[2]. 不同数据处理方法在古陶瓷断源断代研究中的对比分析[D]. 尹丽. 景德镇陶瓷学院. 2014
[3]. X射线荧光光谱分析[J]. 卓尚军. 分析试验室. 2009