针对气体传感器阵列的集成分类算法研究

摘要

由于气体传感器的交叉敏感特征，单一气体传感器无法对多种气体进行准确的定性和定量检测。与单一气体传感器相比，电子鼻具有更好的准确性和实时性，因此被广泛应用在各领域的气体识别中。现阶段的电子鼻系统主要包括气体传感器阵列单元和信号处理算法，本文对电子鼻中的信号处理算法进行研究，以提升电子鼻对气体的检测效果。
　　本文的研究着重于信号处理算法中的信号预处理和分类器算法两个部分。(1)使用核主成分分析得到高维空间信息，再利用正交信号校正去除冗余部分得到预处理后的数据，结合以上两种算法，得到了核正交信号校正算法，并将其用于信号预处理，提升气体识别的分类效果;(2)研究不同分类器的原理，并进行样本测试得到针对气体传感器阵列的分类器，此外，通过研究不同的分类器集成算法，设计了针对气体传感器阵列的分类器集成算法，并使用设计的分类器集成算法改进分类器，以此来进一步提升分类效果。
　　本文选用六种挥发性有机气体的数据作为样本，数据测量周期为三年。使用样本数据对分类器算法进行测试，与近几年提出的针对气体传感器阵列的其他分类器算法相比，本文的分类算法准确率平均提高20％，可以更好地实现气体的检测分类。

目录

声明

摘要

引言

1 绪论

1．1 研究背景

1．2 气体传感器的研究现状

1．3 课题的研究意义

1．4 论文组织架构

2 分类器介绍

2．1 分类器概述

2．2 基于统计学习理论的分类器算法

2．2．1 支持向量机

2．2．2 KNN分类算法

2．3 基于人工神经网络的分类器算法

2．3．1 BP神经网络

2．3．2 极限学习机

3 针对气体传感器阵列的分类器集成算法

3．1 预处理算法

3．1．1 正交信号校正算法

3．1．2 核主成分分析

3．1．3 核正交信号校正算法

3．2 AdaBoost算法

3．2．1 算法思想

3．2．2 算法设计

3．3 Bagging算法

3．3．1 算法思想

3．3．2 算法设计

4 算法实现与性能比较

4．1 实验数据

4．2 实验过程

4．3 实验结果

4．4 结果分析

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢