一种基于改进一维卷积神经网络的混合气体识别方法

摘要

本发明公开了一种基于改进一维卷积神经网络的混合气体识别方法，通过气敏传感器阵列与气体发生反应采集原始一维数据；构建改进的一维卷积神经网络；一维卷积神经网络通过卷积运算来提取原始一维数据的特征，降低原始一维数据对后续操作的噪声干扰，输出的特征图作为下一层的输入；通过一维卷积神经网络隐含层进一步提取数据的相关特征，同时池化采用最大池化；对最后一层隐含层的输出进行全局平均池化，并在全局平均池化层后加入Dropout层；通过softmax函数对输入数据进行分类并利用分类交叉熵函数计算损失。本发明能很好的完成对混合气体进行分类的任务，且自适应能力强、分类准确率更高。