《基于深度信念网络的集成分类器在气体识别中的应用》PDF+DOC
作者:王春香,李丽宏,张帝
单位:华东计算机技术研究所;上海计算机学会
出版:《计算机工程》2016年第10期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJC2016100550
DOC编号:DOCJSJC2016100559
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于动态分类器集成的MEMS气体传感器阵列的气体定性识别方法》PDF+DOC2013年第12期 刘航,唐祯安
《基于传感器动态检测和神经网络的气体识别》PDF+DOC2005年第05期 李广义,黄家锐,苏润,黄行九,刘锦淮
《基于传感器阵列瞬态响应信号分析的气体识别关键技术研究》PDF+DOC2016年第11期 刘华亨
《基于梯度提升决策树的气体传感器阵列识别模型研究》PDF+DOC2020年第03期 董晓睿
《基于随机森林算法的旋转机械齿轮组故障诊断》PDF+DOC2019年第05期 王子兰,杨瑞
《当前地理信息系统与遥感数据集成问题》PDF+DOC2000年第02期 吴景勤
《基于神经网络的气体目标识别方法》PDF+DOC2003年第03期 吴晓军
《气体识别自组织神经网络》PDF+DOC 付敏
《基于连续数据量化的声纳传感器数据识别方法》PDF+DOC2013年第22期 单桂军,胡伟
《基于PCS7的电子气体充装称重方案设计》PDF+DOC2013年第10期 张帅,沙婷,南宏伟,赵鹏
为降低信号漂移对于气体识别的影响,提出一种基于深度信念网络(DBN)的集成分类器模型。利用不同时段的数据集训练单个DBN分类器,将得到的分类器对数据集进行分类,通过使分类误差最小得出每个单一分类器的最优集成权重,采用粒子群优化寻找最优权重并对所有分类器进行集成得到最终的气体识别结果。使用由4种气体传感器组成的传感器阵列对该方法和均匀加权DBN、最优支持向量机方法进行性能对比。实验结果表明,该方法能在较长时间里保持较高的分类准确率,在一定程度上抑制了信号漂移对分类结果的影响。
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。