-
公开(公告)号：CN110222785B
公开(公告)日：2023-10-13
申请号：CN201910511847.9
申请日：2019-06-13
申请人： 重庆大学
摘要： 本发明涉及电子鼻的气味识别领域，具体涉及用于气体传感器漂移校正的自适应置信度主动学习方法，包括以下步骤：输入训练样本集和测试样本；计算测试样本中样本的信息熵；选取信息熵最大或最小的样本作为标记样本；预测标记样本的类型，并对其初次标记；将初次标记的样本加入训练样本集；更新分类器；使用更新后的分类器再次预测标记样本的类型，并对其进行再次标记；判断初次标记和再次标记是否相同，不同，返回样本选取步骤中选取测试样本集中信息熵最大的样本作为标记样本，相同，返回样本选取步骤中则选取测试样本集中信息熵最小的样本作为标记样本，以此解决漂移校正精度不高的问题，本发明主要用于气体传感器漂移校正。
-
公开(公告)号：CN110146655A
公开(公告)日：2019-08-20
申请号：CN201910471253.X
申请日：2019-05-31
申请人： 重庆大学
IPC分类号： G01N33/00
摘要： 本发明涉及电子鼻检测技术领域，具体涉及一种基于自适应子空间学习范式的抗电子鼻漂移方法。针对漂移会影响电子鼻气味识别性能的情况，通过建立基于自适应子空间学习的最优化模型求解最佳投影矩阵，然后利用投影矩阵将源域数据和目标域数据映射到公共自适应子空间，从而减小常规样本和漂移样本分布的差异，从而实现电子鼻漂移抑制。本发明减少了特征的数量，保证了样本分布结构信息的完整性，并且保留了学习过程中分类相关的信息。
-
公开(公告)号：CN110146655B
公开(公告)日：2021-12-21
申请号：CN201910471253.X
申请日：2019-05-31
申请人： 重庆大学
IPC分类号： G01N33/00
摘要： 本发明涉及电子鼻检测技术领域，具体涉及一种基于自适应子空间学习范式的抗电子鼻漂移方法。针对漂移会影响电子鼻气味识别性能的情况，通过建立基于自适应子空间学习的最优化模型求解最佳投影矩阵，然后利用投影矩阵将源域数据和目标域数据映射到公共自适应子空间，从而减小常规样本和漂移样本分布的差异，从而实现电子鼻漂移抑制。本发明减少了特征的数量，保证了样本分布结构信息的完整性，并且保留了学习过程中分类相关的信息。
-
公开(公告)号：CN110222785A
公开(公告)日：2019-09-10
申请号：CN201910511847.9
申请日：2019-06-13
申请人： 重庆大学
摘要： 本发明涉及电子鼻的气味识别领域，具体涉及用于气体传感器漂移校正的自适应置信度主动学习方法，包括以下步骤：输入训练样本集和测试样本；计算测试样本中样本的信息熵；选取信息熵最大或最小的样本作为标记样本；预测标记样本的类型，并对其初次标记；将初次标记的样本加入训练样本集；更新分类器；使用更新后的分类器再次预测标记样本的类型，并对其进行再次标记；判断初次标记和再次标记是否相同，不同，返回样本选取步骤中选取测试样本集中信息熵最大的样本作为标记样本，相同，返回样本选取步骤中则选取测试样本集中信息熵最小的样本作为标记样本，以此解决漂移校正精度不高的问题，本发明主要用于气体传感器漂移校正。
-
-
-
搜索结果
4 条记录 (耗时 0.034 秒)
