基于改进型极限学习机的电子鼻气体浓度检测

摘要：

针对目前电子鼻应用于气体污染物浓度检测时难以达到理想精度的问题,提出基于粒子群算法与人工蜂群算法的极限学习机(Particle Swarm Optimization and Artificial Bee Colony algorithm based Extreme Learning Machine,PSOABC-ELM)算法,通过改进极限学习机输入层与隐含层权值和隐含层阈值随机的缺陷,提高电子鼻浓度检测的精度.将PSOABC-ELM算法与其他算法进行比较,并在公开数据集上进行验证.实验结果表明,PSOABC-ELM算法用于电子鼻气体浓度检测时比其他算法精准度更高,检测结果误差更小,模型稳定性更强,为电子鼻气体浓度检测提供了一种新的方法.

关键词：电子鼻;粒子群算法;人工蜂群算法;极限学习机;浓度检测

所属期刊栏目：47

分类号：TN02;TP212(一般性问题)

资助基金：重庆市基础研究;前沿探索项目;重庆市教育委员会科学技术研究项目

在线出版日期：2021-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：63-67