งานวิจัยนี้ศึกษาการประยุกต์ใช้ e-no

งานวิจัยนี้ศึกษาการประยุกต์ใช้ e-nose สำหรับการจำแนกน้ำหอม ที่มีคุณภาพแตกต่างกัน โดยใช้อาเรย์เซนเซอร์ แรงจูงใจหลักสำหรับ e-nose คือการพัฒนา อุปกรณ์ที่มีต้นทุนต่ำ และสามารถวิเคราะห์เพื่อจำแนกได้น้ำหอมได้อย่างน่าเชื่อถือ ตามวัตถุประสงค์ และสามารถวัดซ้ำได้ ในการทดลองใช้ตัวอย่างน้ำหอมจากน้ำหอมแท้และน้ำหอมปลอม 3 ชนิด โดยใช้ 7 เซนเซอร์วัดการตอบสนองของก๊าซชนิดต่างๆจากน้ำหอมแต่ละกลิ่น ทำการทดลองโดยเปรียบเทียบผลจากวิธี multilayer perceptron, RBF, SVM, J48, และ Bayesnet โดยทดลองกับข้อมูลต้นฉบับ ข้อมูลที่ผ่านการลดมิติโดยการสกัดข้อมูล (Feature Extraction) ด้วย PCA และข้อมูลที่ลดมิติโดยใช้การคัดเลือกคุณลักษณะ (Feature Selection) ด้วย cfsSubsetEval ทำการสอนและทดสอบ 10 fold cross validation ผลที่ได้แสดงให้เห็นว่า วิธี SVM มีการรู้จำและสามารถจำแนกน้ำหอมชนิดต่างๆ ได้ดี และเมื่อใช้ SVM ควบคู่กับการคัดเลือกคุณลักษณะ (Feature Selection) ด้วยวิธี cfsSubsetEval จะให้ความถูกต้อง 100% จากผลการทดลองแสดงให้เห็นว่า e-nose มีความสามารถที่จะรับรู้เมื่อน้ำหอมมีการปลอมแปลง และสามารถนำ e-nose ไปประยุกต์ใช้ในการจำแนกน้ำหอม การตรวจสอบน้ำหอม ได้อย่างมีประสิทธิภาพ

ผลลัพธ์ (อังกฤษ) 1:

This research studies the application of e-nose for a high quality perfume classification differs by using sensor array. The main motivation for the development of e-nose The device offers a low-cost, and can be analyzed to identify is reliable is a perfume based on purpose and could be measured repeatedly. In the trial, for example, the perfume from perfume and fake perfumes 3 type using 7 gauge sensors of various types of gas response from each perfume scent. Do the experiment by multilayer perceptron method comparison, RBF, SVM, J48, Bayesnet, and experiment with the source data. Data dimension reduction by extraction of information (Feature Extraction) with PCA and the data dimension reduction using attribute selection (Feature Selection) with the cfsSubsetEval to teach and test 10 fold cross validation outcomes demonstrate that SVM methods are recognized and be able to recognize the different types of perfume and when used in conjunction with SVM feature selection (Feature Selection) with the cfsSubsetEval method gives you 100% accuracy from experimental results demonstrate that e-nose has the ability to recognize when a perfume is forged and can be applied to e-nose in the perfume. Perfume review more effectively.

ผลลัพธ์ (อังกฤษ) 2:

In this research, the application of e-nose for identifying fragrances. With different qualities The sensor array The main motivation for e-nose is to develop a low-cost device. And can be analyzed to identify the perfume reliably. By purpose And reproducible In experiments using samples of perfume perfume genuine and fake perfumes three types of sensor response using seven different types of gas, the smell of perfume. The study compared the results from the multilayer perceptron, RBF, SVM, J48, and Bayesnet by experimenting with the original data. Reduced-dimensional data by extracting information (Feature Extraction) with PCA dimensionality reduction and data using selected features (Feature Selection) with cfsSubsetEval. Teaching 10 fold cross validation and test results have shown that the SVM method with recognition and classification of different types of perfume, and when used in conjunction with selected SVM feature (Feature Selection) with cfsSubsetEval. It provides 100% accurate experimental results show that the e-nose with the ability to recognize when fragrances are forged and can be applied to e-nose to classify perfumes. Monitoring perfume Effectively

ผลลัพธ์ (อังกฤษ) 3:

This research studied the application of e-nose for classification of perfume. Different quality by using the sensor array, the main motivation for. E-nose is developing equipment with low cost.According to objective and can be repeated. In experiments using sample perfume perfume and perfume from fake 3 types using 7 sensor response สนองของ gas type from each perfume smell. By comparing the result of experiment method, multilayerRBF神经网络，支持向量机，J48，And the Bayesnet by experiment with the original data. The information through the dimension reduction by extracting information (Feature Extraction) with PCA and data reduce the dimension by using feature selection (Feature. Selection) with cfsSubsetEval train and test 10 fold cross validation.A method SVM recognition can be classified and perfume. Well, and when used SVM coupled with the selected feature (Feature Selection). Method to ensure accuracy cfsSubsetEval 100% experimental results show that the e-nose.The e-nose application in classification of perfume, perfume inspection effectively.