作者:刘伟玲,吴龙焦,张思祥,闫子琪 单位:陕西电子杂志社;陕西省电子技术研究所 出版:《》 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFXDDJ2020060150 DOC编号:DOCXDDJ2020060159 下载格式:PDF + Word/doc 文字可复制、可编辑
《电子鼻系统预处理方法和模式识别技术概述》PDF+DOC2016年第09期 吴君章,孔浩辉,郭伟清,甘峰 《基于电子鼻的花生有害霉菌种类识别及侵染程度定量检测》PDF+DOC2016年第24期 沈飞,刘鹏,蒋雪松,邵小龙,万忠民,宋伟 《基于手持式电子鼻的白酒识别》PDF+DOC2019年第24期 李金金,孙哲华,孟庆浩 《基于特征融合与冗余剔除的普洱茶种类电子鼻识别方法》PDF+DOC2020年第16期 徐赛,张倩倩 《电子鼻在卷烟真伪鉴别中的应用》PDF+DOC2011年第04期 田耀伟,杨雷玉,朱先约,宗永立,李炎强 《电子鼻技术在茶叶品质检测中的应用研究》PDF+DOC2008年第05期 于慧春,王俊 《一种基于电子鼻的辛味中药材的分类鉴别方法研究》PDF+DOC2015年第03期 范丹君,骆德汉,于昊 《基于扩散映射和LDA的辛味中药材鉴别研究》PDF+DOC2015年第05期 陈惠勤,骆德汉 《电子鼻快速检测煎炸油品质》PDF+DOC2013年第08期 李靖,王成涛,刘国荣,赵磊,杨培强 《基于电子鼻的不同香型白酒快速识别》PDF+DOC2013年第11期 柯永斌,周红标,李珊,王江星
  • 为了评估恶臭对人类和环境的影响,需要有效鉴别出恶臭成分,设计并研发了以传感器阵列为核心的在线检测恶臭成分的电子鼻系统。针对传感器响应曲线几何特征提取方式的不足,提出分段拟合曲线的方式进行特征值提取。采用主成分分析(PCA)和线性判别分析(LDA)两种降维方式对原始数据降维,并结合支持向量机(SVM)和BP神经网络进行分类识别。结果表明,SVM和BP神经网络结合LDA都能100%识别出三种恶臭物质,SVM结合PCA识别率为92%,BP神经网络结合PCA识别率为94%。

    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。