基于PCA和改进的KNN算法的船舶尾气识别算法

• 作者: 孙逸 安博文 朱昌明
• 来源期刊: 现代计算机
• 关键词: 船舶尾气 主成分分析 聚类 K-近邻算法
• 年，卷（期）: 2018,（15）
• 所属期刊栏目: 研究与开发
• 页码范围: 3-7,13
• 页数: 6页
• 字数: 3841字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-1423.2018.15.001

摘要

通过无人机搭载气体传感器,可以方便地检测码头靠泊船只的尾气,通过分析尾气中的硫化物和氮化物的含量,来检测靠泊船只是否使用违规燃油,但是实践发现船舶尾气中的硫化物和氮化物的识别率不高,因此采用气体传感阵列对采集的气体进行信息处理,以此提升采样气体的分类准确率.传统的K-近邻算法采用近邻决策原则,对尾气的分类效果较好.但在应对大量气体数据时分类时间过长,效率比较低下.针对这个问题,提出一个基于主成分分析和样本聚类的K-近邻算法相结合的船舶尾气分类算法.实验结果表明,改进的K-近邻算法能在保持分类的准确率的条件下,大大减少分类的时间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安博文	上海海事大学信息工程学院	85	270	8.0	10.0
2	朱昌明	上海海事大学信息工程学院	8	3	1.0	1.0
3	孙逸	上海海事大学信息工程学院	1	0	0.0	0.0