【技术实现步骤摘要】
本专利技术涉及电子鼻气体检测领域，具体涉及一种。
技术介绍
现代电子鼻系统的气体传感器阵列通常包含数十个气味传感器，其中光学型传感器阵列甚至包含成百上千个传感单元，由此阵列获得的气体样本数据的维数相当庞大，直接将该样本数据输入到人工智能算法进行模式判别的效果非常不理想，这主要是因为电子鼻的传感器阵列具有交叉敏感性的特点，即对同一种气体，传感器阵列中的多个单元都会做出响应，这样在降低因个别传感器工作异常影响系统决策风险的同时也增加了数据的冗余度。 电子鼻数据挖掘处理包括特征提取和降维，其中特征提取是对单个传感器获得的数据进行处理，提取能够表征所采集的气体信号的特征量，构成特征值矩阵。目前特征提取方法发展的比较成熟，现有方法完全能满足电子鼻数据特征提取的要求；降维主要是对特征值矩阵进行维数约减。因为电子鼻数据具有特殊性，因此许多传统的降维算法在对维数进行约减的同时，常发生关键信息的丢失，导致电子鼻在具体应用过程中发生误判，无法满足其应用要求。电子鼻作为人工模拟嗅觉系统，为了使系统能够“深刻记忆”某气体的特征，需要大量采集该气体样本，同时为了使系统能够对多种气体进行判...
【技术保护点】
基于显式流形学习算法的电子鼻数据挖掘方法，其特征是，该方法包括以下步骤：步骤1、气体样本的采集调整实验室温、湿度环境，使得电子鼻系统的各传感器能够正常工作，对不同种类气体中的每一个样本，均进行不少于20次的气体采集实验，获得电子鼻训练用数据；步骤2、气体样本的特征提取对获得的电子鼻训练数据进行特征提取，并构成特征值矩阵X，矩阵X的维数是[m×n]，其中m表示特征值点的总数，在数值上等于气体采样实验的总次数，n表示每一个特征值点的维数，由传感器阵列中传感器个数和特征提取方法共同决定，常见的特征提取方法主要包括：1、基于传感器原始响应曲线，该类方法主要对气体传感器的响应曲线进行...
【技术特征摘要】
【专利技术属性】
技术研发人员：田逢春，贾鹏飞，樊澍，冯敬伟，刘涛，刘颖，赵贞贞，
申请(专利权)人：重庆大学，
类型：发明
国别省市：
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。