应用于卟啉阵列气体检测系统的识别算法

差值图谱是卟啉化学传感器(PSA)芯片识别气体的根据,但同种气体的差值图谱之间会出现颜色或显色位置的差异,存在实验数据发散的问题。结合BP神经网络和粗糙集,提出了一种新的气体种类识别算法,并将之用于PSA气体检测系统中。该方法利用粗糙集的数据约简功能找到差值图谱数据中颜色变化明显的点的数据,以这些数据为输入,进行BP神经网络的训练和识别。通过实验可以证明,相对于欧氏距离聚类结果、BP神经网络识别结果,本文提出的算法对于发散的实验数据具有更高的识别精度。