| 多气体的SVM数据融合定性识别方法 |
| |
| 引用本文： | 黄为勇,任子晖,童敏明.多气体的SVM数据融合定性识别方法[J].计算机工程与应用,2009,45(9):241-243. |
| |
| 作者姓名： | 黄为勇 任子晖 童敏明 |
| |
| 作者单位： | 1. 中国矿业大学,信息与电气工程学院,江苏,徐州,221008;徐州工程学院,信电工程学院,江苏,徐州,221008
2. 中国矿业大学,信息与电气工程学院,江苏,徐州,221008 |
| |
| 基金项目： | 国家自然科学基金，江苏省高校自然科学研究计划 |
| |
| 摘 要： | 针对基于神经网络的多气体定性识别方法中存在的过学习和泛化能力差的问题,提出了一种基于支持向量机(SVM)与多传感器数据融合的多气体定性识别方法。该方法采用结构化风险最小化准则的多类分类支持向量机对由多个气体传感器、温度和湿度传感器组成的传感阵列的数据进行融合,克服了传统方法的缺陷,消除了环境温度与湿度等因素的影响,实现了100%的定性识别率,实验结果证明了该方法的有效性。
|
| 关 键 词： | 支持向量机(SVM) 传感器阵列 数据融合 多气体定性识别 |
| 收稿时间： | 2008-1-28 |
| 修稿时间： | 2008-4-15
|
Multi-gases qualitative identification using SVM and data fusion |
| |
| HUANG Wei-yong,FEN Zi-hui,TONG Min-ming.Multi-gases qualitative identification using SVM and data fusion[J].Computer Engineering and Applications,2009,45(9):241-243. |
| |
| Authors: | HUANG Wei-yong FEN Zi-hui TONG Min-ming |
| |
| Affiliation: | HUANG Wei-yong1,2,REN Zi-hui1,TONG Min-ming11.School of Information , Electrical Engineering,China University of Mining , Technology,Xuzhou,Jiangsu 221008,China 2.School of Information , Electronic Engineering,Xuzhou Institute of Technology,China |
| |
| Abstract: | The traditional method for qualitative identification of multi-gases based on neural networks has the problems of overfitting and poor generalization ability.In order to solve the drawbacks,this paper proposes a new method based on support vector machine(SVM) and multi-sensor data fusion,which uses multi-class classifier to fuse data of sensor array composed of several gas sensors,temperature sensor and humidity sensor,effectively eliminates the influence of ambient temperature and humidity on gas sensors,a... |
| |
| Keywords: | support vector machine（SVM） sensor array data fusion multi-gases qualitative identification |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
|
