基于SOM神经网络的古代青瓷聚类分析

被引：8

作者：

周少华 ^{[1
]}

付略 ^{[1
]}

梁宝鎏 ^{[2
]}

机构：

[1] 浙江大学材化学院

[2] 香港城市大学物理及材料科学系

来源：

中国科学(E辑:技术科学) | 2008年 / 07期

关键词：

EDXRF; SOM; 古代青瓷; 聚类分析;

D O I：

暂无

中图分类号：

K854 [考古方法];

学科分类号：

060106 ;

摘要：

用EDXRF探针测定了48个来自3个不同产地的4个古代青瓷窑址的瓷片的化学组成.接着用SOM神经网络对胎的主、次量元素化学组成数据进行了聚类分析,结果表明SOM能正确地区分出瓷片的3个产地:龙泉、慈溪和杭州.由于两官窑的瓷片在主、次量元素化学组成上比较接近,使得它们的分类正确率仅为76.92%.于是,作者对两官窑瓷片胎的微量元素化学组成数据用同样的方法又进行了一次聚类分析,结果发现分类正确率提高到了84.61%,说明两官窑的瓷片在微量元素上的差别比在主、次量元素上的差别要大,这与实际情况是一致的.研究表明SOM神经网络方法可以应用于古陶瓷的聚类分析研究中。

引用

页码：1089 / 1096

页数：8

共 7 条

[1] 基于SOM人工神经网络的网络流量聚类分析
杨哲
[J]. 计算机工程, 2006, (16) : 103 - 104+111
[2] SOM神经网络算法的研究与进展
杨占华
杨燕
[J]. 计算机工程, 2006, (16) : 201 - 202+228
[3] 基于SOM和SVM的遥感图像目标识别
张艳宁
郑江滨
候云舒
赵荣椿
[J]. 系统工程与电子技术, 2002, (07) : 9 - 11
[4] 古陶瓷分类研究中的模式识别-人工神经网络方法
郭景康
陈念贻
[J]. 硅酸盐学报, 1997, (05) : 118 - 121
[5] J Wu,P. L. Leung,J. Z. Li,M. J. Stokes,Mike T. W. Li.EDXRF studies on blue and white Chinese Jingdezhen porcelain samples from the Yuan, Ming and Qing dynasties[J].X‐Ray Spectrometry,2000
[6] 朱福喜,何炎祥编著.并行分布计算中的调度算法理论与设计[M].武汉:武汉大学出版社,2003
[7] 都志辉等编著.网格计算[M].北京:清华大学出版社,2002

← 1 →