Please use this identifier to cite or link to this item:
https://elib.bsu.by/handle/123456789/314530
Title: | Классификация пластмасс методами многопараметрического анализа спектров оптической плотности ближнего ик диапазона с выбором спектральных переменных: реферат дипломной работы/ Куликовская Полина Антоновна, физический факультет, кафедра лазерной физики и спектроскопии; научные руководители Ходасевич М. А., Горбач Д. В. |
Authors: | Куликовская, Полина Антоновна |
Keywords: | ЭБ БГУ::ЕСТЕСТВЕННЫЕ И ТОЧНЫЕ НАУКИ::Физика |
Issue Date: | Jun-2024 |
Publisher: | БГУ, Физический факультете, кафедра лазерной физики и спектроскопии |
Abstract: | Объект исследования – образцы пяти видов пластмасс. Цель исследования: разработка методов классификации пластиковых отходов с помощью многопараметрического анализа спектров оптической плотности в ближнем ИК диапазоне и создание многопараметрической модели, способной надежно оценивать старение пластиковых отходов. Методы исследования: методы предобработки данных: центрирование, сглаживание фильтром Савицкого-Голея, евклидова норма; методы выбора спектральных переменных: метод ранжирования спектральных переменных, метод комбинации движущихся окон; многопараметрические методы: метод главных компонент, метод частичных наименьших квадратов; методы кластерного анализа: иерархический кластерный анализ, метод k ближайших соседей, метод k-средних, метод построения деревьев классификации и регрессии. |
Abstract (in another language): | The object of the research samples of five types of plastics. The aim of the research development of methods for classifying plastic waste using multivariate analysis of optical density spectra in the NIR range and creation of a multivariate model capable of reliably assessing the aging of plastic waste. Research methods: data pre-processing methods: centering, smoothing by Savitsky-Golay filter, Euclidean norm; methods for selecting spectral variables: method of ranking spectral variables, searching combination moving windows; multivariate methods: principal component analysis, partial least squares; cluster analysis methods: hierarchical cluster analysis, k-nearest neighbors, k-means, classification and regression trees. |
URI: | https://elib.bsu.by/handle/123456789/314530 |
Licence: | info:eu-repo/semantics/openAccess |
Appears in Collections: | Физика (научно-исследовательская деятельность). 2024 |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
Реферат_иссл.Куликовской Полины.pdf | 412,23 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.