基于核PCA与在线支持向量机的电子鼻气体分类研究

摘要

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.