论文部分内容阅读
作为重元素原子光谱按电子组态类型分类研究的一个代表,铀元素原子第一光谱(UI)中的许多能春所属电子组态尚未明确指认。分类模式识别方法已被证明是研究解决此类分类问题的一种十分有效的途径。为此,应用模式识别与人工神经网络相结合的主成分分析-反传神经网络方法PCA-BPN重新研究了UI偶宇称原子光谱能级的分类问题;对36个KNN等早期模式识别方法无法确认其归属的能级,PCA-BPN方法明确指认了其相应的