基于Gabor变换和神经网络的可燃气体分析

• 作者: 叶小婷
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: Gabor变换 神经网络 可燃气体 模式识别
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 理论与实践
• 页码范围: 132-135
• 页数: 4页
• 分类号: TP39
• 字数: 2421字
• 语种: 中文

摘要

多种可燃气体分析过程由于学习样本数据与拟合的目标函数复杂,单一BP或RBF神经网络方法难以获得满意精度.将Gabor变换和双层复合神经网络有机结合,提出一种新型的Gabor神经网络可燃气体分析方法.通过Gabor原子变换的强特征提取功能减小输入信号维数,并采用双层复合神经网络对学习样本进行拆分和简化,有效提高了可燃气体辨识的精度.以H2S、CH4、H2、CO4种可燃气体为典型对象开展了相关的实验研究,实验结果表明,所提出的Gabor神经网络分析方法的平均相对误差小于单一BP神经网络和RBF神经网络,提高了定量分析精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	叶小婷	淮阴工学院电子与电气工程学院	11	25	3.0	4.0