Continuous chemical classification in uncontrolled environments with sliding windows

بینی های الکترونیکی دستگاه های حسگر هستند که می توانند با توجه به خواص یک مجموعه ای از سنسورهای گاز غیر انتخابی و برخی از الگوریتم های تشخیص الگوریتم فیزیکی شیمیایی را طبقه بندی کنند. با توجه به قابلیت انعطاف پذیری بالای آنها برای میزبان چندین سنسور در حالی که هنوز هم فشرده و سبک وزن هستند، بینیون ها یک تکنولوژی امیدوار کننده برای شناخت شیمیایی در دنیای واقعی هستند که نگرانی اصلی ما در این کار است. تحت این سناریوها، طبقه بندی معمولا در زیر تکرار جریان اصلی جریان اطلاعات بینی بعد از یک مرحله تقسیم بندی انجام می شود که هدف آن بهره گیری از همبستگی زمانی بین داده های الکترونیکی است. در این کار ما به بررسی اینکه چه میزان با توجه به بخش هایی از نمونه های تاخیری با استفاده از پنجره های کشویی ثابت طول را بررسی می کنیم، دقت طبقه بندی را بهبود می بخشد. آزمایش های گسترده در مورد انواع سناریوهای تجربی و انواع سنسورهای گاز، همراه با تجزیه و تحلیل دقت طبقه بندی سه طبقه بندی پیشرفته، از نتایج و یافته های ما پشتیبانی می کند. به طور خاص، مشخص شده است که پنجره های کشویی طول ثابت نتایج بهتر از مقادیر حسگر لحظه ای برای چند مدل طبقه بندی با اهمیت آماری بالا به دست می آید.