买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津理工大学申请的专利一种基于稀疏特征选择与频谱增强网络的气体识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121034444B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510989922.8，技术领域涉及：G16C20/20；该发明授权一种基于稀疏特征选择与频谱增强网络的气体识别方法是由张凯林;关人玮;张句;李建波;孙欣欣;刘晗哲设计研发完成，并于2025-07-17向国家知识产权局提交的专利申请。

本一种基于稀疏特征选择与频谱增强网络的气体识别方法在说明书摘要公布了：本发明提供了一种基于稀疏特征选择与频谱增强网络的气体识别方法，涉及深度学习与气体传感器智能检测技术领域，包括：利用气体传感器阵列数据集进行数据预处理，获取经预处理后的气体传感器阵列数据；对所述经预处理后的气体传感器阵列数据进行稀疏特征选择，获取可变密度稀疏特征选择的气体传感器阵列数据与目标标签；构建频谱增强网络模型；根据所述可变密度稀疏特征选择的气体传感器阵列数据与所述目标标签利用所述频谱增强网络模型，获取气体识别结果。本发明克服了气体传感器面对复杂混合气体时的交叉敏感性，提升了面对复杂混合气体检测时深度学习模型的性能，具备低计算量，强鲁棒性的特点。

本发明授权一种基于稀疏特征选择与频谱增强网络的气体识别方法在权利要求书中公布了：1.一种基于稀疏特征选择与频谱增强网络的气体识别方法，其特征在于，具体包括以下步骤： S1、利用气体传感器阵列数据集进行数据预处理，获取经预处理后的气体传感器阵列数据； S2、对所述经预处理后的气体传感器阵列数据进行稀疏特征选择，获取可变密度稀疏特征选择的气体传感器阵列数据与目标标签，包括： S2-1、根据所述经预处理后的气体传感器阵列数据基于蒙特卡洛交叉验证方法进行划分处理，获取经预处理后的气体传感器阵列数据的划分数据； S2-2、利用所述经预处理后的气体传感器阵列数据的划分数据，获取气体传感器阵列数据的气体瞬时能量分布特征； S2-3、对所述气体传感器阵列数据的气体瞬时能量分布特征进行稀疏特征选择，获取可变密度稀疏特征选择的气体传感器阵列数据与目标标签； S3、构建频谱增强网络模型； 所述频谱增强网络模型由频谱增强多尺度TCN特征提取层、线性投影层、NFFT个傅里叶编码层、双分支结构的特征解码层堆叠构成； 所述频谱增强多尺度TCN特征提取层由MTCN个时序卷积网络与频谱增强层构成； 所述傅里叶编码层包括快速傅里叶变换层、层归一化、残差连接层与前馈神经网络； 所述双分支结构的特征解码层包括若干个全连接层与Dropout层，并配置SiLU激活函数； 其中，NFFT为控制傅里叶编码器层数量的超参数，MTCN为控制不同卷积核尺寸的时序卷积网络数量的超参数，每个所述时序卷积网络包括因果卷积层与膨胀因果卷积层，并配有批归一化层与ReLU激活函数，且每个所述时序卷积网络均插有若干个频谱增强层； S4、根据所述可变密度稀疏特征选择的气体传感器阵列数据与所述目标标签利用所述频谱增强网络模型，获取气体识别结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津理工大学，其通讯地址为：300000 天津市西青区宾水西道391号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。