电子鼻(E-nose)是一个智能系统,我们将在本文中使用它来区分不同种类的室内污染物气体。 通常,我们需要获取大量带标记的样本,然后E-nose可以从样本中学习足够的有用信息,这有助于做出正确的决定。 实际上,标记未标记的样品始终是一项费时且费力的事情,并且收集的未标记样品的数量通常远远大于标记样品的数量。 另一方面,如果我们仅使用少量带标签的示例,而忽略了未标签样本中包含的有价值的信息,则E-nose学习系统通常没有很强的概括性。 因此,提出了一种基于委员会改进查询的主动学习算法,用于RBFNN,并将其应用于电子鼻,称为EQBC-RBFNN。 该技术有效地将QBC和RBFNN结合在一起,用于标记和有价值的未标记样品的电子鼻训练。 并且我们采用这种方法来训练电子鼻,该电子鼻用于区分三种室内污染物气体(甲苯,甲醛和苯)。 数据处理的结果证明,与仅使用带标签样本训练的E型鼻相比,在应用过程中使用未标记的样品来精制E型鼻时,以这种方式提高了E型鼻的分类精度。