基于PCA-BP神经网络对甲醛和甲醇的识别研究
当前电子鼻对有毒气体的识别存在数据量少,训练生成的神经网络映射能力差等问题.本文以甲醛和甲醇为目标气体,采用自制的气敏传感器对甲醛和甲醇进行数据采集,并对采集到的数据进行滤波和平滑处理,以提取不同传感器对目标气体的响应值.依据准则函数生成伪随机数,并建立伪随机特征值矩阵以扩大有效数据量.利用主成分分析(PCA)法对特征值进行降维处理,选择贡献率大的主元成分作为反向传播(BP)神经网络的输入向量,构造PCA-BP神经网络.分别用实测特征值矩阵和伪随机特征值矩阵训练PCA-BP神经网络,通过对比分析两个网络得出,实测特征值矩阵的识别率为92%,而伪随机特征值矩阵的识别率为97%.结果 表明,伪随机特征值矩阵能有效提高PCA-BP神经网络的映射能力,提高识别正确率.
测量、模式识别、伪随机特征值矩阵、反向传播神经网络、主成分分析法
57
X831(环境监测)
国家自然科学基金;甘肃省自然科学基金
2020-06-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
188-195