用于白酒识别的电子鼻数据分析与参数优化

对电子鼻中数据分析(包括数据预处理、特征生成、特征降维和分类识别)问题进行研究.首先提出了将消除工频干扰、小波阈值去噪和数据归一化联用的电子鼻数据预处理新方法;然后从相对电导变化率及其微分、积分、曲率和平均数不等式的角度出发生成110维的初始特征空间;接着采用8种特征选择算法综合降维至41维,再利用核熵成分分析提取12维新特征;最后分别采用Softmax回归和改进的BP神经网络进行分类识别.在数据分析的基础上考察实验参数——气路流量和水浴蒸发温度对白酒识别的影响,同时结合主成分分析和线性判别分析得出较佳气路流量为200,sccm、水浴蒸发温度为70,℃;并应用此参数对11种浓香型白酒进行识别,经温湿度补偿后BP神经网络的识别准确率达91.36%.

电子鼻中预处理算法选择及阵列优化

为了研究数据预处理算法和传感器阵列优化对电子鼻气体辨识的影响,对3种气体进行了测试。使用主成分分析(Principal component analysis,PCA)法选择预处理算法,确定分类效果最好的相对差分法对电子鼻数据进行预处理。对初始阵列优化前,首先通过传感器响应变化趋势及变异系数剔除响应异常的传感器;然后进行PCA因子载荷分析,结合相关系数分析及方差膨胀因子进行多重共线性检验确定可能的最优阵列。最后,运用反向传播(Back propagation,BP)神经网络对可能的最优阵列进行气体识别检验并确定最终阵列,同时选取其他阵列作为对照研究。通过计算检验,证明本文的阵列优化方法不仅可以剔除异常和冗余传感器,而且对测试样本分类效果良好。

基于单类支持向量机的电子鼻在白酒真假识别中的应用

针对采用多类分类方法进行白酒真假识别时存在的真酒样本和假酒样本（正类样本和异类样本）数量无法均衡以及异类样本无法全部获取的问题,提出应用单类支持向量机分别单独对每一种品牌的白酒训练单类分类器进行真假识别的方法。首先采用自主设计的电子鼻系统对不同品牌白酒进行采样测试;采样后的传感器阵列数据依次经过数据预处理、特征生成、特征选择降维处理,得到可用于分类的白酒样本;再通过格点搜索获取每种白酒单类分类器的最优参数;最后测试各个单类分类器对相应品牌白酒的真假识别效果。各单类分类器的真假识别率分布在93%~98%之间,结果表明,采用自主设计的电子鼻结合单类支持向量机可以很好地对白酒真假进行识别。