欢迎来到优发表,发表咨询:400-888-9411 订阅咨询:400-888-1571股权代码(211862)

SCI投稿辅导 SCI发表咨询

基于深度信念网络的集成分类器在气体识别中的应用

作者:王春香; 李丽宏; 张帝 太原理工大学信息工程学院; 太原030024; 国家电网山东省电力公司莘县供电公司; 山东聊城252000

摘要:为降低信号漂移对于气体识别的影响,提出一种基于深度信念网络(DBN)的集成分类器模型。利用不同时段的数据集训练单个DBN分类器,将得到的分类器对数据集进行分类,通过使分类误差最小得出每个单一分类器的最优集成权重,采用粒子群优化寻找最优权重并对所有分类器进行集成得到最终的气体识别结果。使用由4种气体传感器组成的传感器阵列对该方法和均匀加权DBN、最优支持向量机方法进行性能对比。实验结果表明,该方法能在较长时间里保持较高的分类准确率,在一定程度上抑制了信号漂移对分类结果的影响。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

计算机工程

北大期刊 下单

国际刊号:1000-3428

国内刊号:31-1289/TP

杂志详情
相关热门期刊

服务介绍LITERATURE

正规发表流程 加急见刊

多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。

保障正刊 双刊号

推荐期刊保障正刊,评职认可,企业资质合规可查。

用户信息严格保密

诚信服务,签订协议,严格保密用户信息,提供正规票据。

不成功可退款

如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。