作者:张覃轶,谢长生,阳浩,王林,张顺平 单位:中国微米纳米技术学会;东南大学 出版:《传感技术学报》2005年第03期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFCGJS2005030330 DOC编号:DOCCGJS2005030339 下载格式:PDF + Word/doc 文字可复制、可编辑
《气体传感器阵列常用模式识别算法》PDF+DOC2005年第05期 张覃轶,谢长生,黄永彬 《电子鼻和电子舌技术在葡萄酒检测中的应用概述》PDF+DOC2016年第10期 张昱,侯旭杰 《基于人工神经网络算法的电子鼻系统在食品无损检测中的应用》PDF+DOC2016年第10期 万赐晖,贾文珅,王纪华,吴楠京 《电子鼻气味识别的柔性人工神经网络研究》PDF+DOC1998年第04期 王平,李蓉,林琳,刘晓冬 《人工神经网络在检测中的应用》PDF+DOC2006年第03期 何祥林 《人工神经网络对电子鼻性能的影响》PDF+DOC2005年第06期 秦树基,徐春花,王占山 《电子鼻信号处理方法的研究进展》PDF+DOC2001年第01期 高旭昇,王平 《基于MOS和SAW传感器呼吸诊断肺癌的复合识别算法研究》PDF+DOC2012年第01期 王怡珊,王镝,余凯,王林,赵聪,邹莹畅,王平,胡艳捷,应可净 《电子鼻检测技术研究进展》PDF+DOC2012年第10期 刘宁晶,史波林,赵镭,屠振华,庆兆珅,籍保平,周峰 《电子鼻气体定量分析中灰色建模及应用》PDF+DOC2009年第10期 王鑫磊,袁祖强,殷晨波
  • 文中比较了k-近邻法、线性判别分析、反向传播人工神经网络、概率神经网、学习向量量化以及自组织映射6种电子鼻模式识别算法的分类能力。采用了1个定量指标(识别精度)和4个定性指标(运算速度、训练速度、内存容量、抗干扰能力)对不同算法进行了系统比较。研究表明基于神经网络的模式识别算法比基于统计理论的模式识别算法具有更高的识别精度。如果同时考虑定性指标,当训练速度要求不高时,宜采用学习向量量化算法;能满足内存需求前提下,优先推荐采用概率神经网算法。对于选择性高的信号,采用线性判别分析可以达到最佳效果。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。