首页 > 论文 > 激光与光电子学进展 > 57卷 > 07期(pp:071201)

基于PCA-BP神经网络对甲醛和甲醇的识别研究

  • 摘要
  • 论文信息
  • 参考文献
  • 被引情况
分享:

摘要

当前电子鼻对有毒气体的识别存在数据量少,训练生成的神经网络映射能力差等问题。在本工作中,以甲醛和甲醇为目标气体,采用自制的气敏传感器对甲醛和甲醇进行数据采集,并对采集到的数据进行滤波和平滑处理,以提取不同传感器对目标气体的响应值。依据准则函数生成伪随机数,并建立伪随机特征值矩阵以扩大有效数据量。利用主成分分析法(PCA)对特征值进行降维处理,选择贡献率大的主元成分作为BP神经网络的输入向量,构造PCA-BP神经网络。分别用实测特征值矩阵和伪随机特征值矩阵训练PCA-BP神经网络,通过对比分析两个网络得出,实测特征值矩阵的识别率为92%,而伪随机特征值矩阵的识别率为97%。结果表明,伪随机特征值矩阵能有效提高PCA-BP神经网络的映射能力,提高识别正确率。

Newport宣传-MKS新实验室计划
补充资料

DOI:10.3788/lop57.071201

作者单位:

    西北师范大学
    西北师范大学
    西北师范大学
    西北师范大学
    西北师范大学

引用该论文

宋海声,麻林召,王一帆,朱恩功,李承飞. 基于PCA-BP神经网络对甲醛和甲醇的识别研究[J].激光与光电子学进展,2020,57(07):071201.