摘要
目前,电子鼻系统在生活中的各个领域都有所应用.通过电子鼻系统收集到的数据通常存在环境噪声,影响着模式识别的准确率.为了提高数据的质量,提出一种先转图后去噪的电子鼻系统响应数据处理方法.通过马尔可夫转换场将电子鼻系统收集到的带噪声响应信号转为二维图像,再采用自编码器结构为基础的神经网络进行去噪.以支持向量机(SVM)算法为例,进行多组分气体识别,模式识别准确率由去噪前的40.0%提升到了92.0%.由此可见,先转图后去噪的电子鼻系统响应数据处理方法对提升电子鼻系统的模式识别准确率具有重要的指导与借鉴意义.
NETL
NSTL
万方数据