کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7148449 1462103 2013 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Improving gas identification accuracy of a temperature-modulated gas sensor using an ensemble of classifiers
ترجمه فارسی عنوان
بهبود دقت شناسایی گاز یک سنسور گاز مدولاسیون دما با استفاده از مجموعه ای از طبقه بندی ها
کلمات کلیدی
طبقه بندی گروهی، تشخیص گاز، تلفیق اطلاعات، سنسور گاز اکسید فلزی، مدولاسیون دمای کار، تشخیص گاز،
ترجمه چکیده
روش های پردازش داده معمولا در ارتباط با سیستم های شناسایی گاز مبتنی بر آرایه و شبه آرایه معمولا شامل کاهش ابعاد و سپس دسته بندی با استفاده از یک طبقه بندی. در اینجا، ما مجموعه ای از طبقه بندی ها، به طور مستقیم به بردارهای ویژگی های بعدی ابداع کرده ایم و رای آنها را با رأی اکثریت ترکیب می کنیم. این نیمه آرایه مورد بررسی قرار گرفته است سنسور اکسیدهای فلزی با مدولاسیون پالس های ولتاژ مختلف مستطیلی است. پایگاه داده تجربی با ضبط پاسخ های زمانی دریافت شده در شرایط مختلف به متانول، اتانول و بخار -1 بوتانول توسعه داده شد. ویژگی های مربوط به هر پاسخ توسط تبدیل موجک استخراج شد. میزان طبقه بندی به دست آمده با روش های سنتی با آنچه که با استفاده از مجموعه ای از طبقه بندی ها به دست آمد، مقایسه شد. نرخ طبقه بندی توسط رای اکثریت در میان طبقه بندی ها، که هر کدام از زیرمجموعه های مختلف آموزش دیده، برای حکم طبقه بندی، بهبود یافته است.
موضوعات مرتبط
مهندسی و علوم پایه شیمی شیمی آنالیزی یا شیمی تجزیه
پیش نمایش مقاله
بهبود دقت شناسایی گاز یک سنسور گاز مدولاسیون دما با استفاده از مجموعه ای از طبقه بندی ها
چکیده انگلیسی
Data processing methods commonly used in conjunction with the array- and quasi-array-based gas identification systems generally include a dimension reduction followed by categorization using a classifier. Here, we have applied an ensemble of classifiers, directly to the high dimensional feature vectors and fused their verdicts by majority voting. The quasi-array investigated is a metal oxide sensor temperature-modulated with different rectangular heating voltage pulses. The experimental database was developed by recording the temporal responses obtained at different conditions to methanol, ethanol and 1-butanol vapors. Features related to each response were extracted by wavelet transform. The classification rates achieved with traditional methods were compared to that obtained using an ensemble of classifiers. The classification rate was improved by majority voting among the classifiers, each trained on different feature subsets, for the classification verdict.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Sensors and Actuators B: Chemical - Volume 187, October 2013, Pages 241-246
نویسندگان
, , ,