一种基于自编码网络决策的气体传感器漂移补偿方法

摘要

本发明公开了一种基于自编码网络决策的气体传感器漂移补偿方法，属于气体检测以及深度学习技术领域。本发明以单隐层自编码器为基本模型构建堆叠自编码网络，采用逐层贪婪训练法和有监督微调训练堆叠自编码网络，将堆叠自编码网络编码后的新特征值与原始标签构成新样本，训练生成决策树模型，对气体进行分类。本发明与现有技术相比，可以挖掘复杂的传感器漂移潜在信息，非线性特征降维，一定程度上减小传感器漂移影响，降低了决策树多分类的复杂度并提高分类正确率。