为提升手持式电子鼻辨别白酒的准确率,本文提出了一种基于多域特征融合的识别方法。首先,分别基于统计学分析、小波包分析和一对多共同空间模式(One Versus Rest Common Spatial Pattern,OVR-CSP)提取信号的时域、时频域和空域特征。其...为提升手持式电子鼻辨别白酒的准确率,本文提出了一种基于多域特征融合的识别方法。首先,分别基于统计学分析、小波包分析和一对多共同空间模式(One Versus Rest Common Spatial Pattern,OVR-CSP)提取信号的时域、时频域和空域特征。其次,基于特征加权的方法将时域、时频域和空域特征进行融合。利用自制的手持式电子鼻采集了6种白酒样本并进行识别实验,结果显示,采用支持向量机(Support Vector Machine,SVM)作为分类器时,与单独使用时域、时频域和空域特征相比,所提多域融合特征方法的识别准确率分别提高了9.83%、8%和1.5%。进一步比较了SVM、K近邻(K-Nearest Neighbour,KNN)和BP神经网络(Back Propagation Artificial Neural Network,BP-ANN)三种分类识别方法识别准确率和运行时间,结果表明,KNN算法的用时最短,且识别率较高。展开更多
