欢迎来到天天文库
浏览记录
ID:26902122
大小:1.88 MB
页数:81页
时间:2018-11-29
《电子鼻系统中的特征提取研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、华中科技大学硕士学位论文电子鼻系统中的特征提取研究姓名:范超群申请学位级别:硕士专业:材料学指导教师:谢长生20070527摘要电子鼻是模拟人和哺乳动物嗅觉系统的一种仪器。电子鼻系统一般由传感器阵列、预处理系统和模式识别系统三部分组成。特征提取方法是一种降维的数据预处理方法,它通过一种变换,将高维样本空间映射到低维空间,以提取有用信息并降低噪音信息,对降低数据处理量,提高模式识别效率有积极作用,能有效改善电子鼻性能。特征提取方法可以将原始高维样本空间映射到二维或三维的低维空间,在低维空间中对原始高维空间中数据的结构和分布进
2、行初步探索。同时还可以通过映射减小或者降低原始样本空间中的噪音,得到一个容量更小,信息含量更高的样本集,以此来解决模式识别过程中的样本空间维数过高引发的问题,从而提高识别效率,改善电子鼻系统的识别性能。本文通过对可燃性液体的定性识别和四种挥发性有机化合物的定量分析,比较了四种典型特征提取方法的特点,并对其在定性识别和定量分析中的降维效果进行了分析和讨论。四种特征提取方法为:主成分分析法(PrincipleComponentAnalysis,PCA)、Fisher判别法(FisherDiscriminantAnalysis,
3、FDA)、Sammon映射法(Sammonmapping)和自组织映射法(Self-organizationMapping,SOM)。在可燃性液体的定性识别实验中,采用了6个金属氧化物传感器组成传感器阵列,对四种可燃性液体(汽油、酒精、煤油、柴油)和三种饮料(橙汁、可乐、冰红茶)进行测试。并用四种特征提取方法分别对原始数据集进行了处理,然后通过三种模式识别方法对经特征提取的样本集进行了识别。结果表明,在各种特征提取预处理方法下,可燃类和不可燃类两类样本的正确识别率都可以达到100%;仅在Fisher判别法预处理方法下,经分
4、步识别后,各个可燃性液体类子类和不可燃液体类子类的样本类别的识别率高达96%。各特征提取方法的最佳的投影维数与高维空间中样本分布的特点和各特征提取方法本身的映射准则有关,最优的模式识别方法则与样本数据的分布有关。在对四种挥发性有机化合物的定量分析实验中,利用14个金属氧化物传感器组成传感器阵列,对100ppm、200ppm、300ppm、400ppm四个浓度的苯、丙酮、甲醇、正戊烷四种有毒有害挥发性有机化合物进行了测试。根据定量分析中样本分布的特点,用主成分分析法将原始高维样本空间降维到6维的低维空间、Fisher判别法降
5、维I到3维空间、Sammon映射法降维到3维空间、自组织映射法降维到2维空间,并对各降维空间中的各浓度样本进行了识别和分析。模式识别结果表明,原始样本集经各特征提取方法处理后,不同类别不同浓度的样本的识别效果都很好。其中,经Fisher判别法处理的样本集的识别率达100%。特征提取方法可以用少数几个特征重新描述样本的浓度和类别信息,达到比较好的识别效果。本文主要分为四个部分:第一部分介绍电子鼻系统的工作原理和应用现状、特征提取方法的研究背景、目的和意义以及国内外的研究现状,并阐述本课题的研究内容、研究方法;第二部分详细介绍
6、四种特征提取方法的原理及实现步骤,并从原理上比较四种特征提取方法的异同;第三部分通过可燃性液体定性识别实验,比较四种特征提取方法各自的特征及降维效果,并分析了各个特征提取方法的最佳投影空间维数及对应的最佳的模式识别方法。第四部分通过对四种挥发性有机化合物的定量分析实验,探讨特征提取方法应用于定量分析的可行性,并比较了四种特征提取方法的特点及其提取样本空间中浓度信息的能力。关键词:特征提取;电子鼻;主成分分析法;Fisher分析法;Sammon映射法;自组织映射法;定性识别;定量分析IIAbstractElectronicn
7、oseisaninstrument,whichmimicshumansmellingsense.Electronicnosesystemisgenerallycomposedofsensorarray,signalpreprocessingprocessandpatternrecognition.Featureextractionisasignalpreprocessingmethodfordimensionality-reductionbyprojectinghigh-dimensionalspacetoalowdime
8、nsionalspace.Noisescouldbereducedoreliminatedbytheprojectingoffeatureextractionwhichcouldmakesubsequentpatternrecognitionmoreefficient.Asafirststepforda
此文档下载收益归作者所有