多气体的SVM数据融合定性识别方法

摘要：

针对基于神经网络的多气体定性识别方法中存在的过学习和泛化能力差的问题,提出了一种基于支持向量机(SVM)与多传感器数据融合的多气体定性识别方法.该方法采用结构化风险最小化准则的多类分类支持向量机对由多个气体传感器、温度和湿度传感器组成的传感阵列的数据进行融合,克服了传统方法的缺陷,消除了环境温度与湿度等因素的影响.实现了100%的定性识别率,实验结果证明了该方法的有效性.

关键词：支持向量机(SVM)、传感器阵列、数据融合、多气体定性识别

所属期刊栏目：45

分类号：TP212.6(自动化技术及设备)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 50534050;江苏省高校自然科学研究计划项目06KJD460174

在线出版日期：2009-04-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：241-243,248