[发明专利]基于压缩感知理论的气体识别方法无效
| 申请号： | 201310220587.2 | 申请日： | 2013-06-05 |
| 公开（公告）号： | CN103346799A | 公开（公告）日： | 2013-10-09 |
| 发明（设计）人： | 李冬梅;张浩;梁圣法;罗庆;李小静;谢常青;刘明 | 申请（专利权）人： | 中国科学院微电子研究所 |
| 主分类号： | H03M7/30 | 分类号： | H03M7/30;G01N33/00 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 任岩 |
| 地址： | 100083 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于压缩感知理论的气体识别方法，该方法包括：以欠采样的方式采集压缩后的数据；对采集的该压缩后的数据进行重构得到重构数据；利用该重构数据对反向传播神经网络进行训练，并保存训练好的反向传播神经网络；将待测数据输入训练好的反向传播神经网络，该训练好的反向传播神经网络对待测数据进行识别，实现对气体的定性识别。利用本发明，解决了目前气体检测中传输存储数据量大，识别不精确的问题，达到了以较少的数据量达到精确定性识别的目的。 | ||
| 搜索关键词： | 基于 压缩 感知 理论 气体 识别 方法 | ||
【主权项】：
一种基于压缩感知理论的气体识别方法，其特征在于，该方法包括：步骤1：以欠采样的方式采集压缩后的数据；步骤2：对采集的该压缩后的数据进行重构得到重构数据；步骤3：利用该重构数据对反向传播神经网络进行训练，并保存训练好的反向传播神经网络；步骤4：将待测数据输入训练好的反向传播神经网络，该训练好的反向传播神经网络对待测数据进行识别，实现对气体的定性识别。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院微电子研究所，未经中国科学院微电子研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201310220587.2/，转载请声明来源钻瓜专利网。
