基于在线支持向量机的电子鼻模式识别算法.pdfVIP

西北大学学报 (自然科学版) 2015年2月，第 45卷第 1期，Feb．，2015，Vo1．45，No．1 JournalofNoahwestUniversity(NaturalScienceEdition 信息科学 基于在线支持 向量机的电子鼻模式识别算法 余 炜 ，万代立 ，周 娅 ，杨喜敬 (1．昆明理工大学 信息工程与 自动化学院，云南 昆明 650500；2．成都工业学院 电气与电子工程系，四川 成都 611730) 摘要：针对现有电子鼻系统训练误差大、运行速度慢等特点，提 出了一种新的基于在线支 持向量机 (Online．SVM)的电子鼻系统模式识别方法。该方法使用CH 气体与传感器阵 列响应的值作为输入数据 ，经在线支持 向量机算法进行模式识别，对 CH 气体的浓度进 行预测和分类。与期望结果对 比，新方法的平均误差降低为5．3％，运行时间降为0．199 4s，表明基于在线支持向量机的电子鼻系统模式识别方法能有效提高电子鼻系统识别的 精度和速度 。 关 键 词：电子鼻；在线支持向量机；模式识别；预测；损失函数 中图分类号：TN911．6 文献标识码 ：A DOI：10．16152／j．cnki．xdxbzr．2015-01-011 A pattern recognitionmethodforelectronicnosebased on onlinesupportvectormachine YUWei ，WANDai．1i，ZHOUYa，YANGXi-jing (1．FacultyofInformationEngineeringandAutomation，KunmingUniversityofScienceandTechnology， Kunming650500，China；2．DepartmentofElectricalandElectronicEngineering， ChengduTechnologicalUniversity，Chengdu611730，China) Abstract：Anewonlinesupportvectormachine(online—SVM)methodwaspresentedastheelectronicnose system patternrecognitionalgorithm inthepapertosolvetheproblemsofbigtrainingerrorandlow execution speedwhich existincurrentelectronicnosesystems．Inthepaper，theresponsevaluesfrom CH4gassensor arraywastheinputdata，andonlinesupportvectormachinealgorithm wasusedasthepattern recognitionalgo— rithm topredictandclassifytheconcentrationofCH4gastoobtainpredictions．Comparedwiththeexpected results．theaverageerroroftheproposedalgorithm wasloweredtoabout5．3％ ，andtheoperatingtimewas reducedto0．1994s．whichshowedthatthenew algorithm basedon online—SVM couldimprovethediscrimi- nationaccuracyandexecutionspeedoftheelectronicnosesystems． Keywords：electronicnose；onlinesupportvectormachine；pattern recognition；forecasting；lossfunction 人工嗅觉系统俗称电子鼻 ，电子鼻系统的 理与人鼻嗅觉形成过程类似。目前，电子鼻系统 研究始于20世纪8O年代 ，它具有