气体传感器阵列数据的智能分析与研究

《气体传感器阵列数据的智能分析与研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Ａ各种成＊赛ＵＮＩＶＥＲＳＩＴＹＯＦＥＬＥＣＴＲＯＮＩＣＳＣＩＥＮＣＥＡＮＤＴＥＣＨＮＯＬＯＧＹＯＦＣＨＩＮＡ专业学位硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳＦＯＲＰＲＯＦＥＳＳＩＯＮＡＬＤＥＧＲＥＥＩ论文题目气体传感器阵列数据的智能分析与研究？专业学位类别工程硕±－ＳＶＡＷ学号２０１３２２０６０５５８作者姓名辜文祥指导教师刘启和副教授？Ｉ独创性声明本人声明所呈交的学位论文是本人在导师指导下

2、进行的研究工作。及取得的研究成果据我所知，除了文中特别加标注和致谢的地方夕ｈ，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢意。：口立午日作者签名：＾口期立年＾月论文使用授权本学位论文作者完全了解电子科技大学有关保留、使用学位论文的规定，有权保留并向國家有关部口或机构送交论文的复印件和磁蟲，允许论文被查阅和借閒。本人授

3、权电子科技大学可将学位论文的全、部或部分内容编入有关数据库进行检索，可采用影印缩印或扫描等复制手段保巧。、汇编学位论文（保密的学位论文在解密后应遵守此规定）＾＝扛作者签名：签名导师去ｉ／曰船典／年胆Ｒ若产分类号密级注1UDC气体传感器阵列数据的智能分析与研究（题名和副题名）辜文祥（作者姓名）指导教师刘启和副教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士专业学位类别工程硕士工程领域名称计算机技术提交论文日期2016.3.29论文答辩日期2016.5.17学位授予

4、单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。INTELLIGENTANALYSISANDRESEARCHONGASSENSORARRAYDATAAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:MasterofEngineeringAuthor:GuWenxiangSupervisor:LiuQiheSchool:SchoolofCompu

5、terScience&Engineering摘要摘要近年来随着机器嗅觉技术的快速发展，气体识别系统在食品检测、医疗诊断、环境监测等许多领域得到了广泛应用。在气体识别系统中，通常首先由气体传感器阵列采集到相关数据，然后采用计算机模式识别的方法对这些数据进行处理，从而正确识别出气体。传感器阵列在接触到了气体之后，可以通过采样得到复杂的数据。但是一段时间之后，传感器会发生漂移现象，采样得到的数据便会缓慢的产生偏移，即同浓度同种类的气体样本间隔一段时间输入时，传感器阵列采集得到的数据会不一样。随着时间的变化

6、漂移的程度会越来越严重，最终气体识别的准确率会逐渐降低。在这种情况下，分析气体数据的难度比较大，所以在对气体进行分类的过程中要对数据进行漂移补偿处理。论文首先比较多种气体识别方法的准确率，其中对特征处理的过程包括小波变换和主成份分析等，分类方法则分别使用了支持向量机和人工神经网络。然后采用了深度学习中的栈式自编码深度网络和上述方法进行了实验对比。实验结果表明，相对于传统模式识别方法依赖于具体的应用场合，即提取某种特征或者使用某种分类方法在某个场景下表现优秀，但换个场景却较差，而深度学习平均效果较好，

7、因此使用深度学习进行气体识别具有广泛应用前景。深度学习中的栈式自编码深度网络需要大量迭代训练，从而导致它的训练时间过长，因此论文提出了基于深度主成份分析网络的气体识别。该网络由多层网络构成且每层网络包括主成份变换和非线性映射。本文将该算法用于漂移补偿当中，用于提取那些随漂移不变的特征。实验结果表明，用该方法提取到的特征去训练分类器，可以明显提高在传感器漂移影响下的气体分类的正确率，表明该方法可以减弱传感器漂移带来的影响。最后考虑到在战场毒气检测及疾病诊断中，通常一些比较小的错误识别就会带来严重的后果

8、。而当前的识别算法只考虑如何提高识别准确率，而缺乏对识别错误的代价的分析。基于此，论文对三支决策理论进行了详细的研究和分析，采用了基于三支决策的气体识别思想。首先通过邻域去计算气体属于某类的概率，然后与损失函数计算出的阈值进行比较，最后做出接受、延迟决策或者拒绝的判断。本文在一种常见气体和一种有毒气体上进行了实验，经实验证明，三支决策可以有效的降低气体的识别风险代价，在现实生活中有很高的实用价值。关键词：气体识别，漂移补偿，深度学习，深度主成份分析网络，三支决策IAB