[发明专利]一种基于移动窗函数的电子鼻特征提取方法有效
| 申请号： | 201510252261.7 | 申请日： | 2015-05-18 |
| 公开（公告）号： | CN104820074B | 公开（公告）日： | 2017-05-10 |
| 发明（设计）人： | 闫嘉;郭秀珍;贾鹏飞;段书凯;王丽丹;彭超;张松霖 | 申请（专利权）人： | 西南大学 |
| 主分类号： | G01N33/00 | 分类号： | G01N33/00 |
| 代理公司： | 重庆为信知识产权代理事务所(普通合伙)50216 | 代理人： | 陈千 |
| 地址： | 400715*** | 国省代码： | 重庆;85 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明提供了一种基于移动窗函数的电子鼻特征提取方法，将窗函数放置在电子鼻响应曲线初始预定位置上，以窗函数和电子鼻响应曲线所包围的面积作为特征分量；沿时间轴移动窗函数，获取多个特征分量构建成的特征向量；将每个传感器的特征向量设定一个权重系数，引入了量子粒子群算法，将多个传感器的特征向量进行加权处理时的权重系数进行优化；利用支持向量机算法对加权后的特征向量进行智能识别。本方法解决了变化域特征丢失时域信息，不能反映整个响应曲线稳态响应和瞬态响应的技术问题，并利用电子鼻阵列信号对不同窗函数间的反应来区分不同的电子鼻信号，同时引入量子粒子群算法和支持向量机算法提高了电子鼻的识别率，识别效果好。 | ||
| 搜索关键词： | 一种 基于 移动 函数 电子 特征 提取 方法 | ||
【主权项】：
一种基于移动窗函数的电子鼻特征提取方法,其特征在于，包括以下步骤：S1：选定一个窗函数并将其放置在电子鼻响应曲线的初始预定位置上，以窗函数和电子鼻响应曲线所包围的面积作为特征分量；S2：以预设的时间长度为单位，将窗函数沿时间轴依次向左或/和向右移动，并将获取的多个特征分量构建成特征向量；S3：将每个传感器的特征向量设定一个权重系数，引入了量子粒子群算法，将多个传感器的特征向量进行加权处理时的权重系数进行优化；S4：利用支持向量机算法对加权后的特征向量进行智能识别。
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西南大学，未经西南大学许可，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/201510252261.7/，转载请声明来源钻瓜专利网。
