典型文献
PCA-SVM优化WO3气敏薄膜的VOC选择性研究
文献摘要：
挥发性有机物(VOC)对人体健康的危害日益加重.为有效地解决电阻式气体传感器因交叉敏感导致对气体选择性普遍较差的问题,实现仅通过一种气敏材料结合机器学习算法对VOC类型进行预测分类的目的,提出了一种基于主成分分析(PCA)和支持向量机(SVM)优化WO3气敏薄膜对VOC选择性的方法.采用化学浴沉积法制备WO3气敏薄膜,在250～400℃工作温度下对不同浓度的六种VOC气体进行测试得到多维响应矩阵;通过PCA降低特征量之间的相关性,实现原始数据的降维,进行定性识别;再将优化后的数据代入SVM模型中对VOC类型进行预测,结果达到100％的分类准确率.相比于传统SVM模型,PCA-SVM在达到相同准确率的同时运行耗时减少40％,更适合处理具有多维特征量的数据样本,基于PCA-SVM的方法可以有效且快速地优化WO3气敏薄膜对VOC选择性.
文献关键词：
挥发性有机物;气体传感器;选择性;主成分分析;支持向量机
中图分类号：
作者姓名：
唐潇;王明松;柏凌;刘桂武;乔冠军
作者机构：
江苏大学 材料科学与工程学院, 江苏 镇江 212013
文献出处：
引用格式：
[1]唐潇;王明松;柏凌;刘桂武;乔冠军-.PCA-SVM优化WO3气敏薄膜的VOC选择性研究)[J].电子元件与材料,2022(05):463-472
A类：
B类：
WO3,VOC,挥发性有机物,人体健康,益加,电阻式,气体传感器,气敏材料,机器学习算法,预测分类,化学浴沉积法,工作温度,六种,试得,响应矩阵,特征量,原始数据,定性识别,代入,分类准确率,时运,多维特征
AB值：
0.279749
相似文献
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。
