电子鼻
文章平均质量分 59
day. day. up!
这个作者很懒,什么都没留下…
展开
-
基于人体呼出气体的电子鼻系统的设计与实现
电子鼻技术是通过模式识别技术对传感器采集的人体呼出气体进行分类训练的方法。本文研究实现的电子鼻系统包括下面几个部分:首先搭建以Arduino为控制核心的气路采集装置,包括MOS传感器和双阀储气袋构建的传感器阵列和检测气室,气泵和电磁阀搭建自动气路采集装置;然后对系统所需的模式识别关键技术进行了算法研究与仿真分析,包括使用 Logistic 回归、SVM、朴素贝叶斯和随机森林等算法对呼出气体样本进行分类与预测分析,给出了多种算法相结合的投票预测方案等;基于人体呼出气体的电子鼻系统的设计与实现。原创 2023-09-13 10:23:00 · 452 阅读 · 0 评论 -
基于大规模测量和多任务深度学习的电子鼻系统目标识别、浓度预测和状态判断
为了实现响应特征的自动提取,简化模型的训练和应用过程,设计了一种双块知识共享结构的多任务卷积神经网络(MTL-CNN)来训练E-nose系统的模型。该模型可以同时执行三种不同的分类任务,用于目标识别、浓度预测和状态判断。使用值为RA/RG(RA在空气中的电阻值,RG为在目标气体中的电阻值,消除飘移)原创 2023-09-09 11:05:26 · 744 阅读 · 3 评论 -
一种基于注意机制的快速、鲁棒的混合气体识别和浓度检测算法,配备了具有双损失函数的递归神经网络
PCA ICA FDA CNN进行分类加权核+PCA/ICA/FDA等实现对非线性问题的识别采用普通的CNN无法利用之前的信息新提出的模型 更适合混合气体 采用端到端技术 自动提取特征+长时间信息保留 多标签技术实现气体排列组合 双损失函数实现类别和浓度判别网络结构如下所示GRU包含重置门和更新门,重置门确定之前信息需要保留的信息,更新门利用当前信息和之前信息进行向下一个GRU输出,之后引入注意力机制,利用权重向量得到最终的气体特征,最后采用多标签技术,双损失函数的到最终结果。原创 2023-09-09 10:52:27 · 467 阅读 · 0 评论 -
A KECA identification method based on GA for E-nose data of six kinds of Chinese spirits
KECA+GA+FDA原创 2023-09-04 15:38:11 · 73 阅读 · 0 评论 -
电子鼻毕业论文
处理后的数据,特征可以分别从原始数据曲线,曲线拟合,变换域中提取,其中原始数据曲线特征的方法即从传感器原始响应曲线中提取零碎特征信号,包括最大值,均值,积分,导数,面积值,上升时间,下降时间,上升斜率,下降斜率等稳态响应和瞬态响应。将概率第一大的类别与概率第二大的类别的差值与对应的阈值比较,若大于则分类正确,小于且分类正确更改阈值,若分类错误进行重新规划标签,加入缓冲区。是一种机器学习的方法,旨在通过有选择性地标注最有信息价值的样本,从而最小化需要标注的数据量,同时达到最大化分类准确度的目标。原创 2023-07-27 16:02:39 · 733 阅读 · 2 评论