排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
2.
3.
4.
5.
基于支持向量机和小波分解的气体识别研究 总被引:5,自引:1,他引:5
提出将支持向量机应用到气体种类识别的研究中,并建立小波分解提取特征量和支持向量机识别气体种类的气体定性分析模型。通过小波分解提取半导体气体传感器在温度调制下的动态响应特性的特征量,分别使用不同核函数和不同结构的支持向量机建立判断特征量与气体种类的模型。实验结果说明使用支持向量机进行气体成分定性识别的效果优于同结构的神经网络,且对支持向量机自身结构的选择不敏感,适合于对多组分气体定性分析研究。建立的模型在分辨力为13ppm(对CO)和15ppm(对Hz)的条件下,对单一氢气、一氧化碳及其混合气体的识别率可达98%,适合于工程应用。 相似文献
6.
7.
基于支持向量机的天然气组成多维光谱定量分析方法 总被引:2,自引:0,他引:2
针对天然气中甲烷、乙烷、丙烷、正丁烷、异丁烷等气体的特征吸收谱线严重重叠的问题,将支持向量机(SVM)用于天然气组成多维光谱分析中,提出了一种新的基于多维光谱的天然气组成定量分析方法。利用SVM核函数变换,将天然气的多维光谱数据进行高维空间变换后求得SVM回归函数,得出天然气组成。实验结果表明,该方法的检验组成最大偏差为2.28%,与传统的方法相比,具有分析速度快、可实时在线分析、不限制光谱数据维数等优点,具有重要的理论和应用价值。 相似文献
8.
针对传感器的输出随温度和电源的波动以及自身的某些特性的改变等因素而发生零点漂移现象,提出了一种对以上非目标量进行预测处理以消除它们对传感器输出影响的支持向量机(SVM)预测技术.这种方法不需要建立大量的观测样本,也不需要对观测样本进行特征提取就可以取得良好的改善效果,具有较好的实用价值.以2只半导体传感器为研究对象的测试结果表明:利用该方法使稳定性提高了6倍.同时,提出了2种优化算法:增量样本法和降一阶算法. 相似文献
9.
针对大规模高维气体分析样本难以计算的问题,提出一种提升的支持向量机学习方法.该方法将支持向量机等效为一定的KKT条件的同时,能通过检测样本在训练空间的转移始终保持KKT条件成立,起始训练样本的规模最少可以是2个.在对多组分气体分析的实验中,传统的支持向量机学习方法需要时间34 h左右,而提升支持向量机学习的时间为2.7 h,计算速度提高12.6倍. 相似文献
10.
光谱严重交叠的多组分混合气体红外定量分析技术 总被引:1,自引:0,他引:1
针对5种主次吸收峰严重交叠的红外混合气体定量分析问题,提出一种基于高阶累积量的特征提取方法,该方法将重叠的吸收谱线映射到彼此相互分开的四阶累积量谱空间;利用提取的特征向量,提出一种基于正则化统计学习理论的支持向量机的多维数据建模方法,在小样本下有效地提高了模型的精度和迭代的收敛速度。实验结果表明,该方法使系统的引用误差小于4%,因而能满足外场使用的要求。 相似文献