作者:孙逸,安博文,朱昌明 单位:中大控股 出版:《现代计算机》2018年第15期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFXDJS2018150020 DOC编号:DOCXDJS2018150029 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于非线性PCA的微气体传感器阵列信号处理》PDF+DOC2005年第01期 魏广芬,唐祯安,余隽,陈正豪,王立鼎 《基于PCA神经网络和D-S决策的瓦斯传感器故障辨识》PDF+DOC2015年第03期 黄丹,徐平安,王其军,任玉东,严彬 《基于嵌入式系统的汽车尾气检测装置的设计》PDF+DOC2019年第05期 熊杰,魏勇,严丹 《基于多项式回归模型的气体传感器漂移矫正方法》PDF+DOC2018年第11期 王飞,房汉鸣,曾丽蓓 《智能气体传感器研究》PDF+DOC1996年第06期 姜斌,张金贵,恽正中 《基于主成分分析法的BP神经网络的应用》PDF+DOC2011年第01期 方健,李自品,彭辉,戴思初,吴晓文 《PCA在非线性系统传感器故障检测和重构中的应用》PDF+DOC2006年第05期 仇韬,张清峰,丁艳军,吴占松,张毅,孔亮 《k近邻补值方法在工业过程故障诊断中的应用》PDF+DOC2015年第06期 李元,吴杰,王国柱 《基于PCA的氧化铝蒸发系统故障检测》PDF+DOC2015年第03期 胡志坤,李哲彬,陈志文 《基于PCA的无线传感器网络入侵检测系统》PDF+DOC2014年第14期 赵森,仇婷婷
  • 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。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。