用多维曲面插值法改善多组分气体临界值识别的鲁棒性

• 作者: 刘君华 李昕 汤晓君
• 来源期刊: 西安交通大学学报
• 关键词: 插值法 神经网络 特征气体
• 年，卷（期）: 2003,（8）
• 所属期刊栏目: 长江学者论坛
• 页码范围: 795-799
• 页数: 5页
• 分类号: TM835
• 语种: 中文
• DOI: 10.3321/j.issn:0253-987X.2003.08.006

摘要

介绍了一种由线到面的多维曲面插值法,提出用多维曲面插值法在样本点中间进行插值运算,为神经网络数据融合提供附加样本,以减弱神经网络在数据融合中过强的泛化作用,避免因样本不足而导致的过训练问题,增强神经网络在数据融合中的光顺性,从而增强多组分微量气体临界值识别的鲁棒性.识别结果表明,这种结果同时还提高了气体的识别精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘君华	西安交通大学电气工程学院	224	3216	28.0	45.0
2	汤晓君	西安交通大学电气工程学院	35	356	12.0	17.0
3	李昕	西安交通大学电气工程学院	36	213	7.0	13.0