基于梯度提升决策树的气体传感阵列识别方法

作者：张志业; 葛志强; 赵小娟; 林永江

来源：电子设计工程, 2022, 30(18): 142-150.

DOI：10.14022/j.issn1674-6236.2022.18.030

• 梯度提升决策树
• 气体
• 传感阵列
• 识别
• 敏感数据
• 归一化处理

针对主元统计方法、基于人工神经网络理论模式识别方法受气体传感阵列交叉敏感特性影响，无法预处理敏感数据，导致识别精度较低的问题，提出基于梯度提升决策树的气体传感阵列识别方法。通过分析气态成分，借助scale函数构造归一化模型，标准化预处理敏感数据，缩小敏感数据与其他数据的差异。采用梯度提升决策树建立高精度的识别模型，修正负梯度误差，并结合SVM-predict识别程序识别六组气体。实验结果表明，该方法在识别气体时，最大误差为0.7μL/L，具有识别精准度高的优势。