摘要:针对传统神经网络模式识别中存在网络结构难于确定、过学习、收敛速度慢、易陷入局部极小值等不足及标准支持向量回归机中未考虑各样本重要性的差异问题,结合变压器油中多组分气体监测传感器阵列,将改进型支持向量回归机应用于气体传感器阵列信号模式识别中。实验结果表明,改进后的模式识别方法在预测精度和泛化能力上都较传统神经网络和标准支持向量回归模式识别方法有明显提高,有效地解决了多组分气体监测传感器的交叉敏感问题。
关键词:改进支持向量机 气体传感阵列 预测精度 泛化能力 模式识别
单位:重庆大学输配电装备及系统安全与新技术国家重点实验室 重庆400030
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社