基于模糊聚类神经网络的实时气味识别系统

摘要

本研究的目的是开发一种新的模糊聚类神经网络(FCNN)算法作为模式分类器，用于实时气味识别系统。该类型的FCNN通过对输入数据进行模糊c均值聚类来获得输入神经元的激活，从而使神经系统能够直接处理测量误差的统计。然后将FCNN网络与另一种知名算法多层感知器网络(multilayer perceptron, MLP)对同一气味识别系统的性能进行比较。实验结果表明，FCNN和MLP在确定不同的气味学习类别时都具有较高的识别概率，但FCNN神经系统比MLP网络具有更好的识别能力。

参考文献

1. P. Keller, L. Kangas, L. Liden, S. Hashem, R. Kouzes， "电子鼻及其应用"，刊于世界神经网络大会论文集(WCNN’96)，第928-931页，加州圣地亚哥，美国，1996年9月。视图:谷歌学者
2. T. Nakamoto, Y. Nakahira, H. Hiramatsu, T. Moriizumi，“使用主动气味传感系统的气味记录器”，B，第76卷，第76期1-3页，465 - 469,2001。视图:出版商的网站|谷歌学者
3. A. K. Pavlou, N. Magan，和C. McNulty等人，“电子鼻系统用于诊断尿路感染”，生物传感器和生物电子学，第十七卷，第二期10，第893-899页，2002。视图:出版商的网站|谷歌学者
4. T. Nakamoto和H. Hiramatsu，“利用QCM传感器和神经网络研究气味动态变化的气味记录器”，B第85卷第1期3，页263-269,2002。视图:出版商的网站|谷歌学者
5. P. E. Keller, R. T. Kouzes，和L. J. Kangas，“三种基于神经网络的环境监测传感器系统”电子/94国际会议论文集，第377-382页，美国马萨诸塞州波士顿，1994年5月。视图:谷歌学者
6. W. Bourgeois和R. M. Stuetz，“利用传感器阵列测量废水质量:实时监测的前景”，水科学与技术号，第41卷。12，页107-112,2000。视图:谷歌学者
7. R. E. Baby, M. Cabezas，和E. N. Walsöe De Reca，“电子鼻:监测环境污染的有用工具，”B，第69卷，第2期3，页214-218,2000。视图:出版商的网站|谷歌学者
8. P. Wamane和D. C. Gharpure，“使用气体传感器和人工神经网络检测香水，”印度仪器学会学报，第30卷，第284-290页，2000。视图:谷歌学者
9. B. Karlık和Y. Bastaki，“使用OMX-GR传感器和神经网络的实时监测气味传感系统”，电子学汇刊， vol. 1, no. 12，页337-342,2004。视图:谷歌学者
10. A. Iversen, N. K. Taylor，和K. E. Brown，“通过结合多层感知器和自动关联神经网络的分类和验证”，发表于国际神经网络联合会议论文集(IJCNN’05)，第二卷，1166-1171页，蒙特利尔，魁北克，加拿大，2005年7 - 8月。视图:出版商的网站|谷歌学者
11. Z. Boger, D. C. Meier, R. E. Cavicchi, S. Semancik，“通过人工神经网络修剪温度编程微传感器数据库来快速识别CW剂”，传感器信， vol. 1, no. 11，页86-92,2003。视图:出版商的网站|谷歌学者
12. B. Kusumoputro, A. Saptawijaya, A. Murni，“人工气味识别系统中KSOM-BP学习混合神经系统的比较”，发表于第四届计算智能与多媒体应用国际会议论文集(ICCIMA’01)，页276-281，日本横须贺市，2001年10 - 11月。视图:出版商的网站|谷歌学者
13. R. Dutta, E. L. Hines, J. L. Gardner, P. Boilot，“用cyranose 320电子鼻分类细菌”，生物医学工程在线， vol. 1, no. 14、2002。视图:出版商的网站|谷歌学者
14. B. Karlık和Y. Bastaki，“使用OMX-GR传感器和神经网络用于远程医疗的不良呼吸诊断系统”，临床信息学和远程医疗， 2004年第2卷，第237-239页。视图:谷歌学者
15. T. Temel和B. Karlık，“一种改进的气味识别系统，使用学习矢量量化和一种新的判别分析”第一届数字通信与计算机应用国际会议论文集(DCCA’07)，第1075-1080页，约旦安曼，2007年3月。视图:谷歌学者
16. D. E. Rumelhart, G. E. Hinton和R. J. Williams，通过错误传播学习内部表示，麻省理工学院出版社，剑桥，美国马萨诸塞州，1986。视图:谷歌学者
17. 李亦怡，s - h。H. K. Song和M. W. Kim的《多层感知器的设计规则》人工神经网络科学， 1710年学报学报，第329-339页，美国佛罗里达州奥兰多，1992年4月。视图:出版商的网站|谷歌学者
18. Y. Ozbay和B. Karlık，“windows上的快速训练反向传播算法”，在第三届数学与计算应用国际研讨会论文集(ICMCA’02)，第204-210页，土耳其科尼亚，2002年9月。视图:谷歌学者
19. B. Karlık，“模糊聚类对反向传播算法的影响”，载国际计算和应用数学会议，第9-10页，乌克兰基辅，2002年9月。视图:谷歌学者
20. B. Karlık, H. Tropi，和M. Alcı，“一种用于表征有源微波器件的模糊神经方法”，刊于第十二届微波和电信技术国际会议论文集(CriMiCo '02)，第114-117页，乌克兰塞瓦斯托波尔，2002年9月。视图:谷歌学者
21. B. Karlık, M. O. Tokhi, M. Alcı，“多功能上肢假肢的模糊聚类神经网络架构”，生物医学工程学报，第50卷，第5期。11，页1255-1261,2003。视图:出版商的网站|谷歌学者
22. Y. Özbay, R. Ceylan, B. Karlık，“一种用于ECG心律失常分类的模糊聚类神经网络结构”，生物与医学计算机第36卷第2期4, pp. 376-388, 2006。视图:出版商的网站|谷歌学者
23. js。r .张成泽C.-T。Sun和E. Mizutani，神经模糊和软计算:学习和机器智能的计算方法， prentice - hall，上马鞍河，新泽西州，美国，1997。视图:谷歌学者

版权

版权所有©2007 Bekir Karlık和Kemal Yüksek。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。