一种基于ODCIAL的电子鼻漂移抑制算法制造技术

技术编号:33837334 阅读:21 留言:0更新日期:2022-06-16 11:55
本发明专利技术提出了一种基于ODCIAL的电子鼻漂移抑制算法,该方法针对电子鼻系统中持续发生的长期漂移问题,采用主动学习与分类器集成的方式进行解决,从而提高系统的使用寿命,最终降低系统维护成本。方法首先对训练集以及测试集中的样本数据进行归一化以及降维处理,从而避免不同量纲和数量级的数据带来的偏重影响,除此之外降低数据维度后能大幅度降低模型的训练时间,有助于系统快速高效的得出结果。结合主动学习中的基于委员会查询以及集成学习方法筛选出高质量的训练集样本进行分类委员会的构建。使用支持向量机作为基础分类器。本发明专利技术提供的方法利用主动学习与分类器集成的方法,在电子鼻在线漂移抑制的过程中结合自适应采样的方式,自动控制每一批次主动学习采样的数量,从而实现电子鼻系统的在线漂移抑制,应用于电子鼻系统时更加具有优势。应用于电子鼻系统时更加具有优势。应用于电子鼻系统时更加具有优势。

【技术实现步骤摘要】
一种基于ODCIAL的电子鼻漂移抑制算法


[0001]一种基于ODCIAL的电子鼻漂移抑制算法

技术介绍

[0002]电子鼻是一个由具有部分专一性的传感器阵列,结合相应的模式识别算法构成的系统,用于识别单一成分或复杂成分的气体或气味”。电子鼻系统具有识别迅速、操作简单、客观性强、可靠性高以及成本较低等优点。电子鼻系统的构成主要包括三个部分:气体传感器阵列、信号预处理单元和模式识别算法。
[0003]作为电子鼻系统最前端的工作单元,气体传感器阵列由初期的单个气敏传感器元件大体积、大功耗、选择性查差、成本高昂,逐渐向多个微型传感器集成、低功耗、高选择性、低成本迅速发展。信号预处理单元,作为电子鼻系统三层结构的中间层,起到一个承上启下的作用。向下接收由气体传感器阵列采集到的传感器信号数据,并进行相应的信号调节、A/D采样、信号滤波、归一化处理等。向上将处理后的数据提交给模式识别算法,为模式识别算法提供大量有效的数据。作为整体系统的最上层,模式识别算法近年来受人工智能技术快速发展的影响,在电子鼻领域中的应用也逐渐铺开。高效,准确的模式识别算法是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于ODCIAL的电子鼻漂移抑制算法,其特征在于,包括以下步骤:步骤1:对待处理数据集中样本进行预处理。步骤2:利用训练集中样本构建初始分类委员会。步骤3:通过预先设置的分类准确率阈值和主动学习单次采样数量对分类委员会更新,直至达到准确率阈值或者迭代次数后停止。步骤4:利用步骤3中训练得到的分类委员会对测试集样本进行分类和样本筛选,筛选出的样本用于在线漂移抑制过程中更新分类模型。步骤5:每一批次待处理样本集合中筛选出的样本数量通过自适应的方式更新。如权利要求1所述的一种基于ODCIAL的电子鼻漂移抑制算法,其特征在于:在步骤1中对数据进行预处理,从而实现降低模型的训练复杂度。预处理的第一步首先需要完成的是对不同类别、不同量纲、不同数值大小的数据进行归一化处理,使得处理后的数据分布在[0,1]区间内,最终使得不同特性的数据均处于同意范围内,避免数据的特异性对分类带来的影...

【专利技术属性】
技术研发人员:陶洋李强
申请(专利权)人:重庆邮电大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1