模式识别在Eu~(2+)光谱结构研究中的应用

由于Eu~(2+)离子在不同复合氟化物中存在不同的跃迁发射形式，主要有5d → 4f的宽带跃迁，位于365nm-650nm间和4f → 4f的窄带跃迁，中心位置在360nm附近。Eu~(2+)离子的跃迁形式决定于基质的化学组成。本工作就是用多种模式识别方法（KNN，ALKNN，BAYES，LLM，SIMCA和PCA）研究不同复合氟化物基质中Eu~(2+)离子的跃迁发射形式和基质晶体结构之间的关系，找出Eu~(2+)离子产生f → f跃迁其基质构成的一般规律性。收集了90个复合氟化物（AB_mF_n）作为样本集，根据其中Eu~(2+)离子跃迁形式的不同将它们分成两类，一类为具有f → f跃迁的基质45个；另一类为不具有f → f跃迁的基质45个。随机地选用63个基质作为训练集，其余的为验证集。每个基质样本利用其12个晶体结构参数作为描述。由于各参数间差别不大，对原始数据未进行标度化。特征提取是模式识别分析的一个重要步骤，本工作结合变化权重法，BAYES特征量评价法和SIMCA变量相关性评价法的特点，建立了一个以验评价判据式：d(i) = -5.0 + 2.3V(i) + 0.89f(i) + 7.2W(i)根据经验式，选取了变量Z_B/r_(kB)，r_(covA)/r_(covB)和Z_B/r_(covB)，并删除了变量Xσ_A，Xσ_B，r_(covA)。其它变量由于其D值接近，利用穷举法对它们进行选取，结果M，Z'_A和r_(covB)被选中。这样把这6个被选的变量作为对跃迁发射问题最相关的变量进行进一步分析。采用被选的6维变量对训练集样本施行主成份分析，结果表示前三个主成份已可解释原数据信息量的99%以上。所以分别以主成份1-3及主成份1和主成份3作了三维和二维的映射图。结果表示两类基质样本基本上分在不同区域。进一步分别用12维和6维变量对样本系进行了其它几种模式识别分析。所有这些方法对训练集的分类效果都比较理想。采取6维特征时，其正确分类率达79.4-96.8%，这说明与跃迁问题相关的大部分变量已被选入。但是结果显示，各种方法对训练集的分类有一定的差别。我们认为这是由于各种不同的方法对数据结构要求不同引起的。实验证明Bayes线性判别方法对该样本集数据的分类效果最佳。根据Bayes线性差别方法的执行得到了对基质样本分类模式，由此模式讨论了各结构参数对Eu~(2+)离子光谱结构的影响，并对七个未知基质中Eu~(2+)离子的光谱结构进行了计算机预报，结果表示KTbF_4，KBF_4，NaIn_2F_7和KLu_2F_7为具有f → f跃迁发射的基质，而NaCaF_3，MgBeF_4和MgAlF_5为不具有f → f跃迁发射的基质。