摘要： 提出了一種將格拉姆角場(chǎng)與深度殘差卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的電子鼻氣體識(shí)別算法，可以提高燃?xì)庵谐Ｒ娀旌衔ｋU(xiǎn)氣體的識(shí)別準(zhǔn)確度。通過對(duì)電子鼻的氣體樣本數(shù)據(jù)都進(jìn)行格拉姆角場(chǎng)(Graham Angle Field, GAF)變換，使得上位機(jī)接收到的二維傳感器響應(yīng)數(shù)據(jù)，經(jīng)過升維后成為可以輸入到卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)中的三維數(shù)據(jù)形式，從而... （共7頁）