[发明专利]一种基于自编码网络决策的气体传感器漂移补偿方法

摘要

本发明公开了一种基于自编码网络决策的气体传感器漂移补偿方法，属于气体检测以及深度学习技术领域。本发明以单隐层自编码器为基本模型构建堆叠自编码网络，采用逐层贪婪训练法和有监督微调训练堆叠自编码网络，将堆叠自编码网络编码后的新特征值与原始标签构成新样本，训练生成决策树模型，对气体进行分类。本发明与现有技术相比，可以挖掘复杂的传感器漂移潜在信息，非线性特征降维，一定程度上减小传感器漂移影响，降低了决策树多分类的复杂度并提高分类正确率。

主权项

1.一种基于自编码网络决策的气体传感器漂移补偿方法，其特征在于该方法包括以下步骤：步骤1、在气体传感器阵列数据中选定一维或多维不同特征值，求取各自的均值，将传感器阵列中相应特征值大于或小于一定倍数的均值的异常样本点选取出来剔除；步骤2、构建堆栈自编码网络，堆栈自编码网络由降噪自编码器和普通自编码器组成，将预处理后的训练样本特征值通过降噪自编码器降维编码，将编码后的特征值通过普通编码器继续降维编码直到达到预定的编码层数，保存编码后的特征值；步骤3、将保存的特征值和原始标签组成编码训练样本，采用CART算法对样本进行分类，分析比较样本编码前后的分类情况。