一种用于浓度预测的气体传感器在线漂移补偿方法技术

本发明专利技术公开了一种用于浓度预测的气体传感器在线漂移补偿方法。步骤1：目标区域的，所述数据集包括带有标签的源域数据集及无标签的目标域数据集；对源域数据进行归一化，使其样本和标签都处于

【技术实现步骤摘要】
一种用于浓度预测的气体传感器在线漂移补偿方法


[0001]本专利技术属于气体浓度预测领域，具体涉及一种用于浓度预测的气体传感器在线漂移补偿方法。

技术介绍

[0002]随着材料科学和信息科学的发展，气体传感器已广泛应用于食品工程、环境监测、医疗诊断和爆炸物检测。然而，受气体传感器漂移的干扰，气体传感器输出响应的特征分布会随时间而发生变化，进而无法满足传统机器学习方法中训练数据和测试数据分布一致的前提假设。在这种情况下，利用干净数据(源域)训练的模型往往难以在漂移数据(目标域)上取得令人满意的结果。
[0003]目前，现有用于气体传感器的漂移补偿技术存在如下不足：
[0004]第一，气体检测在环境保护和安全检查等场合中发挥着重要作用。所以，在气体传感器领域，分类任务和回归任务都是具有现实意义的。然而，现有漂移补偿方法大都集中在如何提高气体分类任务的准确率，而忽略了浓度预测的重要性；
[0005]第二，在现实世界中人工标注的成本较高，这导致获得足够带有真实标签的气体传感器数据并用于浓度预测模型的训练是极其困难的；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于浓度预测的气体传感器在线漂移补偿方法，其特征在于，所述气体传感器在线漂移补偿方法具体包括以下步骤：步骤1：获取目标区域的数据集，所述数据集包括带有标签的源域数据集及无标签的目标域数据集；对源域数据进行归一化，使其样本和标签都处于
‑
1至1之间步骤2：基于步骤1的源域数据集训练OELM，从而建立基于OELM浓度预测模型；步骤3：基于步骤2的浓度预测模型略对目标域的气体传感器的一个样本进行浓度预测；即其中，表示浓度预测模型对样本预测的浓度值，表示从OELM的输入层映射至隐藏层的输出；步骤4：基于步骤3预测的浓度利用SQS方法判断当前样本是否需要进行人工标注，若不需要人工标注则进行步骤5；若需要人工标注则进行步骤6；步骤5：重新回到步骤3对目标域中的下一个样本进行浓度预测；步骤6：标注该样本并使用它对OELM进行更新。2.根据权利要求1所述一种用于浓度预测的气体传感器在线漂移补偿方法，其特征在于，所述步骤1具体为，假设带有标签的源域数据集为其中N
S
表示源域中样本的数量，表示样本的标签；无标签目标域是一个无限的数据流；为样本的标签，目标域样本的标签只能由人工标注获得。3.根据权利要求2所述一种用于浓度预测的气体传感器在线漂移补偿方法，其特征在于，将源域数据集被分割为和后，作为新的源域，作为第一块目标域。4.根据权利要求3所述一种用于浓度预测的气体传感器在线漂移补偿方法，其特征在于，所述步骤2的OELM具体为,根据域自适应极限学习机的定义可得：式中，其中，和分别是和的隐层输出矩阵；和分别表示和的标签矩阵。表示单位阵，和是惩罚因子；将无标签目标域分割为被人工标注所提供；假设X
T1
是目...

【专利技术属性】
技术研发人员：宋凯，色海锋，姜金海，孙传禹，刘继江，张伟岩，王煊赫，
申请(专利权)人：中国电子科技集团公司第四十九研究所，
类型：发明
国别省市：