基于支持向量机算法的气体识别研究

被引:3
作者
汪丹
张亚非
机构
[1] 上海交通大学微纳米科学技术研究院
[2] 上海交通大学微纳米科学技术研究院 上海
[3] 上海
关键词
支持向量机; 气体传感器; 神经网络; 气体识别;
D O I
10.13873/j.1000-97872005.02.007
中图分类号
TP391.4 [模式识别与装置];
学科分类号
0811 ; 081101 ; 081104 ; 1405 ;
摘要
利用多传感器或者传感器阵列,同时,结合神经网络技术来进行气体识别和定量分析研究已成为目前传感器领域的一个研究热点。介绍了一种在该领域还没有引起足够重视的算法———支持向量机算法(SVM)。利用该算法,结合多传感器技术,对 3种不同体积分数的有机溶剂进行了识别研究,并取得了较好的识别效果,证明了该算法在气体识别领域具有相当大的研究价值。
引用
收藏
页码:19 / 21
页数:3
相关论文
共 3 条
[1]   气体传感器阵列中的信息融合 [J].
潘天红 ;
赵德安 ;
邹小波 .
计算机测量与控制, 2003, (10) :815-817
[2]   基于集成气体传感器阵列的电子鼻系统 [J].
杨建华 ;
侯宏 ;
王磊 ;
刘福 .
传感器技术, 2003, (08) :21-23+26
[3]   神经网络在传感信号处理中的应用 [J].
刘晔 ;
邹建龙 ;
张赟 ;
王采堂 .
计算机自动测量与控制, 2000, (05) :63-66