-
公开(公告)号：CN109669009A
公开(公告)日：2019-04-23
申请号：CN201910021835.8
申请日：2019-01-10
Applicant: 重庆邮电大学
Abstract: 本发明公开了基于域校正的域自适应极限学习机电子鼻漂移抑制方法，其从数据分布的角度出发，将数据分布不一致的源域数据和目标域数据映射到一个高维希尔伯特空间，在此空间最小化源域和目标域的域距离，同时，在最大程度上保留原始源域和目标域的数据属性。得到域校正后的源域和目标域数据，从数据层面上对漂移进行了抑制。再将目标域中的迁移样本和无标签样本纳入ELM中学习，得到域自适用ELM，从决策层面提高预测模型的鲁棒性。本发明的优点：在不增加样本的情况下，调整数据分布，并将目标域中无标签样本纳入到分类器的学习当中，从数据层面和决策层面两个层面上抑制了漂移，提高模型鲁棒性。
-
公开(公告)号：CN112816616A
公开(公告)日：2021-05-18
申请号：CN201911124286.3
申请日：2019-11-18
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于盲领域自适应的电子鼻漂移补偿方法，该方法从特征层面出发，在盲领域场景下，仅使用源域样本构建稀疏极限学习机自编码器与稀疏极限学习机分类器。目标域样本通过稀疏极限学习机自编码器以得到其在源域空间下的表示，而后使用该表示与目标域样本原始特征相加完成特征增强过程，最后将增强后的样本输入到稀疏极限学习机分类器中以实现漂移样本的有效分类。本发明的优点在于模型训练的全过程无需目标域样本参与，更贴近于实际应用场景，同时在模型构建过程中引入范数约束实现了网络的稀疏，提升了特征表示的效果。
-
公开(公告)号：CN111474297B
公开(公告)日：2022-05-03
申请号：CN202010158546.5
申请日：2020-03-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种仿生嗅觉系统中传感器的在线漂移补偿方法，属于传感器技术领域。该方法包括以下步骤：步骤1)依据输入样本批次号进行源域重构；步骤2)使用重构完成的源域与目标域样本构建分类模型并保存预测结果。利用先后两批次仿生嗅觉系统中传感器的输出响应样本，即前一批次已通过分类模型预测完成的样本与初始批次人工标注后的样本进行源域重构，而后通过条件分布自适应和流形正则化搭建分类模型，实现仿生嗅觉系统中传感器的在线漂移补偿。本发明能够随传感器的漂移不断更新气体识别模型，更加符合现实场景下仿生嗅觉系统的生产实际与使用场景，并能够延长设备的使用寿命。
-
公开(公告)号：CN111474297A
公开(公告)日：2020-07-31
申请号：CN202010158546.5
申请日：2020-03-09
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种仿生嗅觉系统中传感器的在线漂移补偿方法，属于传感器技术领域。该方法包括以下步骤：步骤1)依据输入样本批次号进行源域重构；步骤2)使用重构完成的源域与目标域样本构建分类模型并保存预测结果。利用先后两批次仿生嗅觉系统中传感器的输出响应样本，即前一批次已通过分类模型预测完成的样本与初始批次人工标注后的样本进行源域重构，而后通过条件分布自适应和流形正则化搭建分类模型，实现仿生嗅觉系统中传感器的在线漂移补偿。本发明能够随传感器的漂移不断更新气体识别模型，更加符合现实场景下仿生嗅觉系统的生产实际与使用场景，并能够延长设备的使用寿命。
-
-
-
Search Results
4
records
(took 0.013 seconds)
