一种基于电子鼻信号空间域的茶多酚含量预测方法和装置.pdf
是湛****21
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于电子鼻信号空间域的茶多酚含量预测方法和装置.pdf
本发明公开了一种基于电子鼻信号空间域的茶多酚含量预测方法和装置,该方法包括:1、获取茶叶样本的电子鼻信号并测量茶多酚含量;2、提取茶叶样本电子鼻信号平稳状态时的响应值作为茶叶样本电子鼻信号特征;3、基于茶叶样本的茶多酚含量,利用最大信息系数对茶叶样本电子鼻信号特征进行优选,得到对应的茶叶样本优选电子鼻信号;4、通过编码转换方法将茶叶样本优选电子鼻信号转化为空间域图像;5、基于卷积神经网格CNN对空间域图像进行训练测试,得到茶多酚含量的预测结果。本发明能将电子鼻信号的一维时间序列转化为二维图像,并能挖掘电子
一种基于电子鼻信号空间域的茶多酚含量预测方法和装置.pdf
本发明公开了一种基于电子鼻信号空间域的茶多酚含量预测方法和装置,该方法包括:1、获取茶叶样本的电子鼻信号并测量茶多酚含量;2、提取茶叶样本电子鼻信号平稳状态时的响应值作为茶叶样本电子鼻信号特征;3、基于茶叶样本的茶多酚含量,利用最大信息系数对茶叶样本电子鼻信号特征进行优选,得到对应的茶叶样本优选电子鼻信号;4、通过编码转换方法将茶叶样本优选电子鼻信号转化为空间域图像;5、基于卷积神经网格CNN对空间域图像进行训练测试,得到茶多酚含量的预测结果。本发明能将电子鼻信号的一维时间序列转化为二维图像,并能挖掘电子
一种基于流形学习的跨域子空间学习电子鼻漂移补偿方法.pdf
本发明涉及一种基于流形学习的跨域子空间学习电子鼻漂移补偿方法,其特征在于,将气体数字信号送入处理器,处理器利用LME‑CDSL数学模型进行气体样本分析,获得气体样本数据;处理器将气体样本数据送入分类器进行气体分类,获得气体分类结果。其有益效果是:具有更好的信息保存性能。不仅抑制了数据漂移,还同时维护了源域的流形和标签信息以及两个域的知识信息;局部线性流形学习完成高维数据的紧凑表示,能够保留非漂移样本的局部特征,提高模型的判别能力;保证了LME‑CDSL模型的鲁棒性和识别性能;本发明通过特征值分解实现特征子
基于极限学习机的电子鼻信号漂移补偿子空间对齐方法.pdf
本发明公开了一种基于极限学习机的电子鼻信号漂移补偿子空间对齐方法,包括:获取电子鼻数据;将未漂移的电子鼻数据作为源域数据,将漂移电子鼻数据作为目标域数据;将两域数据投影到基于极限学习机的特征空间中得到H
一种基于Mahalanobis距离和主成分分析的电子鼻信号预处理方法.docx
一种基于Mahalanobis距离和主成分分析的电子鼻信号预处理方法基于Mahalanobis距离和主成分分析的电子鼻信号预处理方法摘要:电子鼻是一种模拟人类鼻腔感官的气体传感器装置,广泛应用于空气质量监测、化学品检测等领域。准确且高效地预处理电子鼻信号对于提高传感器的灵敏度和准确性至关重要。本文提出一种基于Mahalanobis距离和主成分分析的电子鼻信号预处理方法,通过分析电子鼻传感器阵列所获取的原始信号,选取合适的特征向量和降维算法,实现对电子鼻信号的优化处理。实验结果表明,该方法能够有效提高电子鼻