共查询到10条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
5.
6.
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。 相似文献
7.
混合气体定量检测系统的研究 总被引:3,自引:0,他引:3
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. 相似文献
8.
9.
基于FastICA和神经网络的电子鼻模式识别 总被引:1,自引:0,他引:1
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. 相似文献
10.
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。 相似文献