典型文献
基于卷积神经网络的电子鼻分类识别
文献摘要：
在混合气体识别的研究中,针对目前电子鼻应用于化工污染物种类监测时难以达到理想精度的问题,提出了一个基于卷积神经网络的气体分类识别算法.首先利用卷积神经网络的自适应特征提取能力,有效降低原始数据对后续操作的影响;其次进行多次实验训练,对卷积神经网络进行参数优化,提高网络模型性能;最后将提出的卷积神经网络算法与BP神经网络算法分别应用于加州大学公开数据集中一氧化碳和乙烯混合气体的实验数据中.实验结果表明,卷积神经网络算法对此数据集的气体种类检测准确率达到93％,比BP神经网络算法应用于气体识别时精度更高、误差更小,为电子鼻系统气体种类检测提供了一种新的方法.
文献关键词：
电子鼻;卷积神经网络;气体识别;BP神经网络;气体传感器阵列
中图分类号：
作者姓名：
吴青云;邹亚囡;史雪莹
作者机构：
吉林化工学院信息与控制工程学院,吉林吉林132022;吉林化工学院理学院,吉林吉林132022
文献出处：
引用格式：
[1]吴青云;邹亚囡;史雪莹-.基于卷积神经网络的电子鼻分类识别)[J].吉林化工学院学报,2022(11):38-41
A类：
气体传感器阵列
B类：
电子鼻,分类识别,混合气体识别,化工污染,难以达到,气体分类,识别算法,自适应特征提取,特征提取能力,原始数据,模型性能,神经网络算法,加州大学,公开数据集,一氧化碳,检测准确率,算法应用
AB值：
0.213166
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
