极化曲线的多 q 模式分类
计算工程、金融与科学
2015-06-15 v1 计算机视觉与模式识别
摘要
若干实验测量以一维剖面形式表达，而针对此类数据，缺乏能够将给定结果归类到特定组别的有效方法。评估腐蚀性介质中电极腐蚀动力学的极化曲线便是主要依据剖面分析行为的一个应用实例。极化曲线确实是确定金属电极全局动力学的经典方法，但不同金属和合金的强非线性可能导致重叠，使得判别成为难题。此外，即使从重复测试中识别典型曲线也需要主观判断。本文采用基于 Tsallis 统计的多 q (multi-q) 方法作为分类引擎，以区分两种不锈钢的多条极化曲线剖面。我们在氯化物水溶液中收集了两种具有不同耐局部腐蚀能力的不锈钢类型的 48 条实验极化曲线。随后在从阴极到阳极的宽电位范围内进行了多 q 模式分析。仅使用原始剖面数据的 2%，便在低电位（阴极）、高电位（阳极）以及全电位范围分别获得了 90%、80% 和 83% 的优异分类成功率。这些结果表明，所提出的方法在高效、稳健、系统化及自动分类高度非线性剖面曲线方面具有潜力。
引用
@article{arxiv.1305.2876,
title = {Multi-q Pattern Classification of Polarization Curves},
author = {Ricardo Fabbri and Ivan N. Bastos and Francisco D. Moura Neto and Francisco J. P. Lopes and Wesley N. Goncalves and Odemir M. Bruno},
journal= {arXiv preprint arXiv:1305.2876},
year = {2015}
}
备注
12 pages, 7 figures