- 详情
- 2021-09-20
- 简介
pdf
- 193KB
- 页数 4P
- 阅读 89
- 下载 25
通过电子鼻系统获取的数据具有维数高、非线性变化等特点,不利于后续算法的识别或分类。因此,提出了基于核主元分析(KPCA)与在线支持向量机(Online-SVM)的电子鼻系统识别新算法。首先采用KPCA算法对采集到的原始数据进行特征提取,达到降维与去噪的目的,然后使用在线支持向量机对数据进行预测,最后与基于径向基函数的神经网络算法(RBF)预测结果进行对比分析。实验结果表明,新算法在电子鼻信号处理领域相对较优,具有较好的价值。
对不起,您暂无在线预览权限,如需浏览请
立即登录热门商品
相关推荐
基于核PCA与在线支持向量机的电子鼻气体分类研究 193KB
基于模糊支持向量机的继电保护状态在线评价 367KB
基于核主元分析和支持向量机的电梯故障识别 144KB
无线电子鼻测量系统设计与实现 1.2MB
基于支持向量机集成的电子商务环境下客户信用评估模型研究 1.6MB
基于支持向量机的发动机故障诊断研究 92KB
基于支持向量机的设备故障诊断研究 420KB
基于支持向量机的建筑物沉降预测模型研究 514KB
基于支持向量机的工程索赔合理工效研究 191KB
基于支持向量机的室内轰燃预测模型研究 241KB