用多维曲面插值法改善多组分气体临界值
识别的鲁棒性
汤晓君,李昕,刘君护
(西安交通大学电气工程学院, 710049, 西安)
摘要:介绍了一种由线到面的多维曲面插值法,提出用多维曲面插值法在样本点中间进行插值运算,为神经网络数据融合提供附加样本,以减弱神经网络在数据融合中过强的泛化作用,避免因样本不足而导致的过训练问题,增强神经网络在数据融合中的光顺性,从而增强多组分微量气体临界值识别的鲁棒性.识别结果表明,这种结果同时还提高了气体的识别精度.
关键词:插值法;神经网络;特征气体
中图分类号:TM835文献标识码:A文章编号:0253-987X(2003)08-0795-０5