《基于SVM和PCA的痕量多组分气体检测方法》PDF+DOC
作者:余道洋,戚功美,瞿顶军,李民强,刘锦淮
单位:中国自动化学会;国家智能计算机研究开发中心;中国科学院合肥智能机械研究所
出版:《模式识别与人工智能》2015年第08期
页数:8页 (PDF与DOC格式可能不同)
PDF编号:PDFMSSB2015080070
DOC编号:DOCMSSB2015080079
下载格式:PDF + Word/doc 文字可复制、可编辑
《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PCA与SVM的振动传感器故障诊断方法》PDF+DOC2019年第10期 李翼飞,吴春平,涂煊
《厚膜氧化锡气敏传感器阵列在卷烟烟气中的研究》PDF+DOC2000年第02期 邹小波,方如明,蔡健荣,吴守一
《基于随机共振的电子鼻系统构建及在谷物霉变程度检测中的应用》PDF+DOC2011年第02期 惠国华,陈裕泉
《PCA特征抽取与SVM多类分类在传感器故障诊断中的应用》PDF+DOC2010年第01期 彭红星,陈祥光,徐巍
《基于PCA与Wilks准则的电子鼻酒类鉴别方法研究》PDF+DOC2007年第05期 殷勇,田先亮
《支持向量机在电子鼻区分不同品种苹果中的应用》PDF+DOC2007年第01期 邹小波,赵杰文
《基于物联网和PCA支持向量机的交通流量预测系统》PDF+DOC2014年第07期 王永皎,郭力争
《针对鳊鱼新鲜度的气敏传感器筛选与阵列构建》PDF+DOC2013年第19期 黄星奕,顾菲菲
《基于Labview和PCA分析方法的电子鼻设计》PDF+DOC2013年第02期 赵万,梅笑冬,朱哲,张厚博,胡小龙,王彪,卢革宇
针对气敏和光学传感器等常规方法难以检测痕量多组分气体的问题,采用快速色谱与气敏传感器阵列结合的检测方法获取痕量多组分气体的信号,然后对信号采用支持向量机(SVM)训练分类气体模式特征.为获得较好的气体识别模型,使用粒子群算法(PSO)优化SVM参数.通过对实际样品检测和识别,并对比评估同类检测仪器采用的检测识别方法,验证文中方法对混合气体的选择性更好,采用的SVM、PCA和PSO组合方法更适合处理和识别小样本数据.研制的多组分痕量气体检测样机具有更高的识别率、重复性和稳定性。
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。