<?xml version="1.0" encoding="UTF-8"?>
<xml>
 <records>
  <record>
   <ref-type name="Journal Article">17</ref-type>
   <contributors>
    <authors>
     <author>Zhou Z. </author>
     <author>Gao W. </author>
     <author>Jamali S. </author>
     <author>Yu C. </author>
     <author>Liu Y. </author>
    </authors>
   </contributors>
   <titles>
    <title>Быстрая идентификация и классификация металлических отходов с помощью лазерно-искровой эмиссионной спектроскопии</title>
   </titles>
   <keywords>
    <keyword>металлический мусор</keyword>
    <keyword>лазерно-искровая эмиссионная спектроскопия, идентификация</keyword>
    <keyword>машинное обучение</keyword>
    <keyword>анализ главных компонент</keyword>
    <keyword>метод K-ближайших соседей</keyword>
   </keywords>
   <dates>
    <year>2024</year>
    <pub-dates>
     <date>2024-04-29</date>
    </pub-dates>
   </dates>
   <journal>Журнал прикладной спектроскопии</journal>
   <abstract>Предложен метод экспресс-идентификации и классификации металлического мусора (на примере пяти металлов) на основе совместного использования лазерно-искровой эмиссионной спектроскопии и машинного обучения. Идентифицировано несколько характерных линий Al, W, Fe, Cu, Sn, Pb и C. Для более эффективной классификации проведен анализ главных компонент с целью уменьшения размерности спектров. После уменьшения размерности образцы классифицированы с точностью 97.18% с использованием метода K-ближайших соседей. Для количественного анализа создана математическая модель из линейных формул, связывающих спектр и концентрацию на примере Fe, что заложило основу для более точной классификации.</abstract>
   <urls>
    <web-urls>
     <url>https://www.academjournals.by/publication/15100</url>
    </web-urls>
    <pdf-urls>
     <url>https://www.academjournals.by/files/15059</url>
    </pdf-urls>
   </urls>
  </record>
 </records>
</xml>
