10.13595/j.cnki.issn1000-0720.2021.121702
基于气相色谱-离子迁移谱及机器学习的呼气分析方法
采用气相色谱-离子迁移谱(GC-IMS)技术,以饮用不同风味咖啡后的呼出气体为样本,研究GC-IMS谱图的预处理、特征提取及分类预测方法.针对呼出气体GC-IMS谱图复杂的特点,采用基于Birch聚类的多阈值分级聚类方法,提高聚类精度同时降低干扰影响.对比了决策树、随机森林、支持向量机、人工神经网络和深度森林5种机器学习方法在呼气样本上的分类预测性能.深度森林方法有低数据量和低参数要求的优点,在呼气样本集上的分类精度为90%,精确率和召回率的调和平均值F1得分为90.67%,显示了其在呼气分析GC-IMS谱图处理中的应用潜力.
气相色谱-离子迁移谱、呼气分析、分级聚类、机器学习
42
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金
2023-04-17(万方平台首次上网日期,不代表论文的发表时间)
共9页
150-158