本文選題：機(jī)器嗅覺 + 氣體識別�。� 參考：《上海應(yīng)用技術(shù)大學(xué)》2017年碩士論文

【摘要】：由于信息技術(shù)的迅猛發(fā)展,在安全檢查、工業(yè)生產(chǎn)等很多的領(lǐng)域當(dāng)中都出現(xiàn)了機(jī)器學(xué)習(xí)的影子。許多相關(guān)的技術(shù)都隨之產(chǎn)生,為人類的生活帶來了方便。電子鼻可用來檢測鑒別和分析各種各樣氣味的氣體,其作為機(jī)器嗅覺的典型應(yīng)用,已經(jīng)滲入到各行各業(yè)之中,在安全檢查、工業(yè)生產(chǎn)、環(huán)境保護(hù)、醫(yī)療診斷等領(lǐng)域中,氣體識別系統(tǒng)應(yīng)用尤其廣泛。氣體識別系統(tǒng)采用一種較為復(fù)雜的時(shí)間序列信號,這種信號由敏感膜材料因被氣體分子吸附而震動所出現(xiàn)。敏感膜材料、外界的環(huán)境因素、包括氣體的種類和密度都會影響到這種信號的產(chǎn)生。因此,人們通常通過手工設(shè)計(jì)特征,并在原有的基礎(chǔ)上結(jié)合支持向量機(jī)等方法來解決氣體數(shù)據(jù)波形復(fù)雜、分析困難等問題。在識別的過中,傳感器的響應(yīng)值會逐漸下降,數(shù)據(jù)整體的分布也會隨之產(chǎn)生變化,這就導(dǎo)致對氣體數(shù)據(jù)的分析變得難上加難,準(zhǔn)確率也有所降低。這種使得氣體數(shù)據(jù)分析變難,準(zhǔn)確率下降的現(xiàn)象叫做傳感器漂移。人們?yōu)榱讼ミ@種現(xiàn)象采用了很多信號處理領(lǐng)域的方法。本文引入了深度學(xué)習(xí)的方法來解決傳統(tǒng)氣體識別過程中特征提取方法的不足,利用深度學(xué)習(xí)網(wǎng)絡(luò)的特點(diǎn)以及深度學(xué)習(xí)過程中無監(jiān)督學(xué)習(xí)的特征來自動地獲取更能反映原始?xì)怏w數(shù)據(jù)本質(zhì)的特征,從而解決傳統(tǒng)方法中特征提取的不足,以及對傳統(tǒng)方法中不能有效解決的無標(biāo)注氣體識別問題。其次本論文驗(yàn)證了在氣體數(shù)據(jù)明顯漂移的情況下,利用深度學(xué)習(xí)技術(shù)可以提高氣體識別的準(zhǔn)確率。這是因?yàn)槔么朔椒ǹ梢缘玫奖绕鸪踺斎氲臄?shù)據(jù)更加完善、準(zhǔn)確的數(shù)據(jù)。這對漂移補(bǔ)償問題提供了更具可行性的解決方案,也對在工業(yè)生產(chǎn)中檢測有毒氣體、未知?dú)怏w識別提供了參考。
[Abstract]:With the rapid development of information technology, machine learning appears in many fields, such as safety inspection, industrial production and so on. Many related technologies have followed, bringing convenience to human life. Electronic nose can be used to detect and analyze various odour gases. As a typical application of machine smell, electronic nose has penetrated into all walks of life, in the fields of safety inspection, industrial production, environmental protection, medical diagnosis, etc. Gas identification systems are particularly widely used. The gas recognition system uses a complex time series signal, which is vibrated by the sensitive membrane material adsorbed by gas molecules. Sensitive membrane materials, external environmental factors, including the type and density of gases, will affect the production of this signal. Therefore, people usually design features by hand, and combine the support vector machine and other methods to solve the problem of complex gas data waveform and difficult analysis. In the process of recognition, the response value of the sensor will decrease gradually, and the distribution of the whole data will change, which makes the analysis of gas data more difficult, and the accuracy is also reduced. This makes it difficult to analyze gas data and reduces accuracy, called sensor drift. In order to eliminate this phenomenon, many methods in the field of signal processing have been adopted. In this paper, the method of depth learning is introduced to solve the shortcoming of the traditional method of feature extraction in the process of gas recognition. The features of the deep learning network and the unsupervised learning in the process of the deep learning are used to automatically acquire the features which can reflect the essence of the original gas data, thus solving the shortcoming of feature extraction in the traditional methods. And the problem of unlabeled gas identification which can not be effectively solved by traditional methods. Secondly, this paper verifies that the accuracy of gas recognition can be improved by using depth learning technology when the gas data drift obviously. This is because using this method can get more perfect and accurate data than the original input data. This provides a more feasible solution to the drift compensation problem, and also provides a reference for the detection of toxic gases and the identification of unknown gases in industrial production.
【學(xué)位授予單位】：上海應(yīng)用技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李紅美;;論網(wǎng)絡(luò)教育環(huán)境下學(xué)習(xí)者學(xué)習(xí)動機(jī)的激發(fā)[J];繼續(xù)教育;2006年11期

2 李秀英;;網(wǎng)絡(luò)環(huán)境下學(xué)生學(xué)習(xí)的特點(diǎn)[J];教師;2009年04期

3 夏定海,黃智英;教會學(xué)習(xí) 學(xué)會學(xué)習(xí) 終身學(xué)習(xí)[J];發(fā)明與革新;2000年06期

4 黃啟兵;汪芳;;論網(wǎng)絡(luò)時(shí)代學(xué)習(xí)與創(chuàng)新的統(tǒng)一[J];教學(xué)研究;2002年03期

5 陳相安;把檔案部門建成學(xué)習(xí)型組織[J];中國檔案;2003年09期

6 顧新,蔡兵,李久平;學(xué)習(xí)與學(xué)習(xí)型社會[J];軟科學(xué);2004年02期

7 鄭軍;試論編輯的學(xué)習(xí)特征[J];中國編輯;2005年06期

8 邱曉榮,孔一童;試論網(wǎng)絡(luò)環(huán)境中的合作學(xué)習(xí)[J];當(dāng)代教育論壇;2005年02期

9 冷平,王仁蓉,刁永鋒;網(wǎng)絡(luò)學(xué)習(xí)的成功要素探析[J];教育信息化;2005年03期

10 張建光;朱秀娥;張笑雙;;網(wǎng)絡(luò)學(xué)習(xí)社區(qū)的特征和構(gòu)建[J];中國教育技術(shù)裝備;2006年03期

相關(guān)會議論文 前10條

1 韓文;;讓合作學(xué)習(xí)在逆境中重生[A];中華教育理論與實(shí)踐科研論文成果選編（第2卷）[C];2010年

2 呂啟春;;淺談小學(xué)數(shù)學(xué)中的小組合作學(xué)習(xí)[A];2014年1月現(xiàn)代教育教學(xué)探索學(xué)術(shù)交流會論文集[C];2014年

3 杜俊娟;;用學(xué)習(xí)動機(jī)培養(yǎng)策略課題的學(xué)習(xí)對體育教師進(jìn)行研究性學(xué)習(xí)培養(yǎng)的實(shí)驗(yàn)研究[A];第七屆全國體育科學(xué)大會論文摘要匯編（一）[C];2004年

4 瞿春波;;淺議合作學(xué)習(xí)之誤區(qū)[A];校園文學(xué)編輯部寫作教學(xué)年會論文集[C];2007年

5 時(shí)龍;;把握分析學(xué)情是改進(jìn)教學(xué)和促進(jìn)學(xué)習(xí)的基礎(chǔ)[A];2012·學(xué)術(shù)前沿論叢——科學(xué)發(fā)展：深化改革與改善民生（下）[C];2012年

6 韋彩紅;;如何組織學(xué)生共享學(xué)習(xí)成果[A];中華教育理論與實(shí)踐科研論文成果選編（第2卷）[C];2010年

7 格保耿;;培養(yǎng)學(xué)生學(xué)習(xí)物理的興趣[A];2014年5月現(xiàn)代教育教學(xué)探索學(xué)術(shù)交流會論文集[C];2014年

8 鈕榮榮;;關(guān)于小學(xué)數(shù)學(xué)教學(xué)中小組合作學(xué)習(xí)的幾點(diǎn)思考[A];2014年6月現(xiàn)代教育教學(xué)探索學(xué)術(shù)交流會論文集[C];2014年

9 陳妙;;讓數(shù)學(xué)課堂效率得到真正的提高——淺談新課改下學(xué)生學(xué)習(xí)興趣的培養(yǎng)[A];中華教育理論與實(shí)踐科研論文成果選編（第3卷）[C];2010年

10 黃春妙;;淺談?wù)Z文課堂合作學(xué)習(xí)的有效把握[A];中華教育理論與實(shí)踐科研論文成果選編（第3卷）[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 農(nóng)行浙江東陽支行 吳新國 周龍飛;銀行如何創(chuàng)建學(xué)習(xí)型組織[N];上海金融報(bào);2003年

2 西北師范大學(xué) 李瑾瑜;校長：如何引領(lǐng)和促進(jìn)教師學(xué)習(xí)[N];中國教育報(bào);2008年

3 永壽縣店頭中學(xué) 劉俊鋒;大力提倡合作學(xué)習(xí) 全面促進(jìn)有效教學(xué)[N];咸陽日報(bào);2009年

4 本報(bào)評論員;要在真學(xué)習(xí)上下功夫[N];酒泉日報(bào);2009年

5 本報(bào)記者 李天然;學(xué)習(xí)應(yīng)該是一種終身行為[N];大連日報(bào);2010年

6 劉繼芳;淺議建設(shè)學(xué)習(xí)型黨組織中的“學(xué)習(xí)”內(nèi)涵[N];伊犁日報(bào)(漢);2010年

7 哈爾濱市第五醫(yī)院 蒙碩;淺談醫(yī)院創(chuàng)建學(xué)習(xí)型黨組織[N];黑龍江日報(bào);2010年

8 翟愛霞;淺談如何深入推進(jìn)學(xué)習(xí)型黨組織建設(shè)[N];太行日報(bào);2011年

9 李振 上海交通大學(xué)國際與公共事務(wù)學(xué)院;制度變遷中的制度學(xué)習(xí)[N];中國社會科學(xué)報(bào);2012年

10 重慶市教育評估院院長、中國高等教育學(xué)會學(xué)習(xí)科學(xué)研究分會常務(wù)副會長 龔春燕;實(shí)施新學(xué)習(xí)，，建設(shè)學(xué)習(xí)型社會[N];中國教育報(bào);2013年

相關(guān)博士學(xué)位論文 前10條

1 徐峰;基于社會網(wǎng)絡(luò)的大學(xué)生學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)研究[D];江西財(cái)經(jīng)大學(xué);2014年

2 付亦寧;本科生深層學(xué)習(xí)過程及其教學(xué)策略研究[D];蘇州大學(xué);2014年

3 馮子勇;基于深度學(xué)習(xí)的圖像特征學(xué)習(xí)和分類方法的研究及應(yīng)用[D];華南理工大學(xué);2016年

4 王星;關(guān)系分類模型的學(xué)習(xí)界限與應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

5 潘劍寒;基于多潛在空間的遷移學(xué)習(xí)算法研究[D];合肥工業(yè)大學(xué);2016年

6 楊春;反饋類型對大學(xué)生學(xué)習(xí)成績的影響：自我調(diào)節(jié)學(xué)習(xí)的中介作用[D];東北師范大學(xué);2016年

7 王浩宇;資源整合、創(chuàng)業(yè)學(xué)習(xí)與新創(chuàng)企業(yè)創(chuàng)新的關(guān)系研究[D];吉林大學(xué);2017年

8 田青;有序?qū)W習(xí)及在圖像分析中的應(yīng)用研究[D];南京航空航天大學(xué);2016年

9 鄒朋成;有監(jiān)督的相似性度量學(xué)習(xí)研究與應(yīng)用[D];南京航空航天大學(xué);2016年

10 馬相春;基于大數(shù)據(jù)的初中數(shù)學(xué)智慧學(xué)習(xí)系統(tǒng)模型研究[D];東北師范大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 李金宵;基于深度學(xué)習(xí)的工業(yè)氣體識別研究[D];上海應(yīng)用技術(shù)大學(xué);2017年

2 張京京;電子書包環(huán)境支持探究性學(xué)習(xí)的模型研究[D];東北師范大學(xué);2017年

3 付曉麗;基于問題的深度學(xué)習(xí)研究[D];河南師范大學(xué);2017年

4 王以宣;感知教師支持、基本心理需要滿足與初中學(xué)生英語學(xué)習(xí)倦怠的關(guān)系[D];上海師范大學(xué);2015年

5 李榮敬;不同情緒狀態(tài)對學(xué)習(xí)判斷的影響[D];河北師范大學(xué);2015年

6 李蘭翠;M00C學(xué)習(xí)平臺的應(yīng)用研究[D];上海師范大學(xué);2015年

7 孫航;農(nóng)民工隨遷子女學(xué)習(xí)生態(tài)研究[D];上海師范大學(xué);2015年

8 左揚(yáng)揚(yáng);碎片化時(shí)代下企業(yè)微課程設(shè)計(jì)與應(yīng)用[D];上海師范大學(xué);2015年

9 戚政霞;基于翻轉(zhuǎn)課堂的小學(xué)語文教學(xué)設(shè)計(jì)研究[D];上海師范大學(xué);2015年

10 蘇治芳;小學(xué)中高年級“微課題式”語文學(xué)習(xí)的實(shí)踐研究[D];上海師范大學(xué);2015年

本文編號：2059573