作者:蒋鼎国,周红标,耿忠华 单位:中国调味品协会;北京市食品科学研究院 出版:《中国酿造》2011年第11期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFZNGZ2011110420 DOC编号:DOCZNGZ2011110429 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于支持向量机和粒子群算法的电子鼻伤口感染检测》PDF+DOC 闫嘉,田逢春,何庆华,冯敬伟,贾鹏飞,孙诚,樊澍 《基于支持向量机的混合气体定量分析》PDF+DOC 谢亮 《PSO-SVM算法在智能建筑环境监控系统中的应用》PDF+DOC2016年第01期 傅军栋,邹欢,康水华 《香辛料识别中电子鼻采集及算法研究》PDF+DOC2017年第02期 刘云翔,刘天伟 《基于ABC-PSO的ε-SVM在甲烷测量中的应用》PDF+DOC2017年第07期 鲍立,陈红岩,郭晶晶 《基于PSO-SVM的电涡流传感器温度补偿的研究》PDF+DOC2019年第03期 潘杰,卢文科,冯阳,左锋 《基于SVM核机器学习的三文鱼新鲜度检测系统》PDF+DOC2019年第05期 李鑫星,董保平,杨铭松,张国祥,张小栓,成建红 《电子鼻技术在原料乳风味检测中的应用》PDF+DOC2015年第16期 方雄武,庞旭欣,郑丽敏 《基于电子鼻技术的花椒品种鉴别方法研究》PDF+DOC2013年第11期 吴莉莉,郑丹,郑宝周,林爱英,潘建斌 《基于PSO-SVM的传感器非线性动态补偿及LabVIEW实现》PDF+DOC2013年第09期 张霞,陈保利
  • 研制一套白酒品质识别电子鼻,对检测样品的气味数据进行预处理,提取稳态响应值,并作为支持向量机(support vectormachine,SVM)分类模型的输入。为提高识别的准确度,利用粒子群算法(particle swarm optimization,PSO)来优化SVM的参数c和g。不同品质的白酒所对应的电子鼻传感器响应特性不同,PSO-SVM分类模型的识别准确率达到了97.5%。结果证明基于PSO-SVM分类模型具有较强的学习能力和泛化能力,可用于白酒品质鉴别电子鼻。

    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。