计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
9期
241-243,248
,共4页
支持向量机(SVM)%传感器阵列%数据融合%多气体定性识别
支持嚮量機(SVM)%傳感器陣列%數據融閤%多氣體定性識彆
지지향량궤(SVM)%전감기진렬%수거융합%다기체정성식별
针对基于神经网络的多气体定性识别方法中存在的过学习和泛化能力差的问题,提出了一种基于支持向量机(SVM)与多传感器数据融合的多气体定性识别方法.该方法采用结构化风险最小化准则的多类分类支持向量机对由多个气体传感器、温度和湿度传感器组成的传感阵列的数据进行融合,克服了传统方法的缺陷,消除了环境温度与湿度等因素的影响.实现了100%的定性识别率,实验结果证明了该方法的有效性.
針對基于神經網絡的多氣體定性識彆方法中存在的過學習和汎化能力差的問題,提齣瞭一種基于支持嚮量機(SVM)與多傳感器數據融閤的多氣體定性識彆方法.該方法採用結構化風險最小化準則的多類分類支持嚮量機對由多箇氣體傳感器、溫度和濕度傳感器組成的傳感陣列的數據進行融閤,剋服瞭傳統方法的缺陷,消除瞭環境溫度與濕度等因素的影響.實現瞭100%的定性識彆率,實驗結果證明瞭該方法的有效性.
침대기우신경망락적다기체정성식별방법중존재적과학습화범화능력차적문제,제출료일충기우지지향량궤(SVM)여다전감기수거융합적다기체정성식별방법.해방법채용결구화풍험최소화준칙적다류분류지지향량궤대유다개기체전감기、온도화습도전감기조성적전감진렬적수거진행융합,극복료전통방법적결함,소제료배경온도여습도등인소적영향.실현료100%적정성식별솔,실험결과증명료해방법적유효성.
