摘要
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。
