混沌遗传神经网络（CGANN）用于压电TSM晶体传感器阵列数据的模式识别

人工神经网络已被广泛应用于气体传感器阵列的模式识别研究中。该文利用混沌遗传人工神经网络算法(CGANN)对压电TSM晶体传感器阵列数据进行模式识别。数据处理结果表明，该方法能准确的对压电TSM传感器阵列数据中对应不同气体物质如乙醇，氯仿及丙酮等样本进行分类识别。     

气体传感器阵列测试算法研究

采用人工神经网络中的BP神经网络处理阵列式气体传感器信号,气体传感器阵列与前馈神经网络模式识别技术结合而成的人工嗅觉系统被用来进行混合气体的定量分析.利用计算机模拟方法对非线性气体传感器阵列进行模拟,并运用MATLAB神经网络工具箱设计了BP网络,最后,对模拟数据进行了比较.结果表明:神经网络法具有非线性逼近能力强、识别率较高等特点.     

基于人工神经网络的电子鼻对混合气体检测研究

在简要概述电子鼻系统原理的基础上,分析人工神经网络模式识别的特性、结构和识别原理,阐述一种基于人工神经网络的混合气体检测方法.结果证明通过人工神经网络的模式识别和气体传感器阵列技术相结合,能够有效地解决气体传感器阵列的交叉敏感问题,从而实现对混合气体的定性定量检测,并且拥有广泛的应用前景.     

一种基于隐变量模型的聚类算法用于气体传感器阵列数据的模式识别

聚类分析方法是一种无需先验信息即能探索数据内在分类结构信息的模式识别方法,已经被广泛应用到气体传感器阵列的模式识别研究中.该文提出了基于隐变量模型的聚类算法对两组金属氧化物半导体(MOS)传感器阵列数据进行模式识别.数据处理结果表明,该方法能准确的对两组传感器阵列数据中对应不同气体物质的样本进行分类识别.     

气体传感器阵列常用模式识别算法

模式识别在气体传感器阵列的测量中占有举足轻重的地位。介绍了k近邻法、聚类分析、判别函数分析、反向传播人工神经网络、主元分析法、概率神经网、学习向量量化、自组织映射、自适应共振网、遗传算法等气体传感器阵列常用模式识别算法的原理和特点。同时,指出了在应用中模式识别算法选择和评价的标准。     

基于人工神经网络的苹果气体识别方法研究

将气体传感器阵列与人工神经网络模式识别技术相结合,建立了电子鼻系统,对水果变化过程进行监控。尝试对3种不同状态(好、碰伤、坏)的苹果气体进行定性识别。实验结果表明:结合主成分分析的人工神经网络方式为模式识别、分类提供了快速准确的辨识方法,对红富士苹果进行分类时正确率在83.33%以上。     

混合气体定量检测系统的研究

将气体传感器阵列与采用BP算法进行训练的人工神经网络模式识别技术相结合形成混合气体定量检测系统,通过实验比较了不同的传感器信号预处理方法、BP网络的结构和参数,以及测量环境对混合气体定量检测系统性能的影响.     

电子鼻牛奶质量检测的研究

利用自主研制的CN e-Nose I型电子鼻气体分析仪对多种品牌、不同新鲜程度的牛奶进行检测,并通过模式识别方法分析和识别数据.牛奶各组分经由金属氧化传感器阵列采集信号,其数据及响应曲线记录在PC端.运用主元分析和人工神经网络方法识别曲线特征,通过与新鲜高质量样本的标准数据进行比较,判断出牛奶变质程度.实验结果表明,电子鼻技术对牛奶品质的识别率较高,且具有便捷、安全等特点,是一种发展前景良好的实用技术.     

基于FastICA和神经网络的电子鼻模式识别

气体传感器阵列是电子鼻系统的重要组成部分,传感器阵列的交叉敏特性严重影响电子鼻对气体识别的准确率.将快速独立分量分析算法和BP网络相结合用于电子鼻的模式识别可以有效地改善这一问题.并由一个5个传感器组成的电子鼻系统,对10组不同体积分数的3种气体测量得到的30组数据样本进行仿真.结果表明,用快速独立分量分析对数据作预处理,可以简化计算,减少数据之间的相关性,将预处理后的数据样本作为BP网络的输入,使网络结构简化,收敛速度快.利用该方法可以提高电子鼻识别气体的准确率.     

基于气体传感器阵列和非线性信号分析技术的龙井茶品质检测方法研究

本文研究了一种基于传感器阵列信号分析的龙井茶品质检测技术,采用多气体传感器阵列构建检测平台,实验检测不同储存时间的龙井茶样品,并对传感器阵列信号开展信号分析。为了进一步优化传感器阵列检测龙井茶品质的准确性,对传感器阵列参数优化,得到优化之后的阵列,优化后的传感器阵列具有更高的准确性。采用载荷分析（Loadings）、归一化处理进行数据的预处理。实验采用模糊c均值聚类（FCM）、k近邻函数（KNN）和概率神经网络（PNN）三种方法对传感器阵列检测信息进行了模式识别,以评估所构建系统的检测精度。结果表明三种方法的识别正确率分别为90.83%,90%和93.3%。结果表明KNN和PNN针对气体传感器阵列检测龙井茶品质领域均呈现了较好的模式识别结果。以上结果证明该系统具有较好的检测精度,随机共振系统输出相关系数曲线可以较好的区分不同茶叶样品,并且依托互相关系数特征峰值构建了其品质分析模型。