10.3969/j.issn.1000-386x.2015.11.062
基于核PCA与在线支持向量机的电子鼻气体分类研究
通过电子鼻系统获取的数据具有维数高、非线性变化等特点,不利于后续算法的识别或分类.因此,提出了基于核主元分析(KPCA)与在线支持向量机(Online-SVM)的电子鼻系统识别新算法.首先采用KPCA算法对采集到的原始数据进行特征提取,达到降维与去噪的目的,然后使用在线支持向量机对数据进行预测,最后与基于径向基函数的神经网络算法(RBF)预测结果进行对比分析.实验结果表明,新算法在电子鼻信号处理领域相对较优,具有较好的价值.
电子鼻、核主成分分析(KPCA)、在线支持向量机(Online-SVM)、RBF神经网络
32
TP212(自动化技术及设备)
四川省教育厅重点项目2013SZA0153
2015-12-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
269-272