基于在线支持向量机的电子鼻模式识别算法

被引：4

作者：

余炜 ^{[1
,2
]}

万代立 ^{[1
]}

周娅 ^{[1
]}

杨喜敬 ^{[1
]}

机构：

[1] 昆明理工大学信息工程与自动化学院

[2] 成都工业学院电气与电子工程系

来源：

西北大学学报(自然科学版) | 2015年 / 45卷 / 01期

关键词：

电子鼻; 在线支持向量机; 模式识别; 预测; 损失函数;

D O I：

10.16152/j.cnki.xdxbzr.2015-01-011

中图分类号：

TP181 [自动推理、机器学习]; TP391.4 [模式识别与装置];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ; 0811 ; 081101 ;

摘要：

针对现有电子鼻系统训练误差大、运行速度慢等特点,提出了一种新的基于在线支持向量机(Online-SVM)的电子鼻系统模式识别方法。该方法使用CH4气体与传感器阵列响应的值作为输入数据,经在线支持向量机算法进行模式识别,对CH4气体的浓度进行预测和分类。与期望结果对比,新方法的平均误差降低为5.3%,运行时间降为0.1994s,表明基于在线支持向量机的电子鼻系统模式识别方法能有效提高电子鼻系统识别的精度和速度。

引用

页码：49 / 52

页数：4