排序方式: 共有2条查询结果,搜索用时 15 毫秒
1
1.
针对现有电子鼻系统训练误差大、运行速度慢等特点,提出了一种新的基于在线支持向量机(Online-SVM)的电子鼻系统模式识别方法。该方法使用CH4气体与传感器阵列响应的值作为输入数据,经在线支持向量机算法进行模式识别,对CH4气体的浓度进行预测和分类。与期望结果对比,新方法的平均误差降低为5.3%,运行时间降为0.1994s,表明基于在线支持向量机的电子鼻系统模式识别方法能有效提高电子鼻系统识别的精度和速度。 相似文献
2.
针对脑电信号的常用识别方法都基于监督型分类算法,需要一定数量的训练数据对分类器进行训练,无法满足实时应用的要求。提出基于数据点密度大小和马氏距离的改进模糊C-均值(FCM)非监督分类算法,对2003年第二届BCI大赛脑电信号分类。首先采用经验模式分解(EMD)算法对脑电信号进行分解,提取相应特征值,再经改进的FCM算法对输入的特征值进行分类。实验结果证明了改进算法在脑电信号分类应用中的可行性和有效性。 相似文献
1