主成分分析在电子鼻鉴别分析中存在的缺陷及其改进方法

主成分分析(PCA,Principie Comporlent Analysis)在电子鼻鉴别分析中是一种常用的线形判别方法,然而,当所测样品等级质量差别很小,即样品挥发物成分基本接近时,电子鼻中各传感器所能反映样品差异的响应信息存在较大的重叠性或相关性,用传统的累计贡献率来选取前两个主成分进行鉴别分析效果往往不佳.本文从PCA降维的数学原理和传感器阵列特点出发,分析当样品等级质量差别很小、电子鼻各传感器响应信号重叠较大时这种选取主分量方法所存在的问题,在此基础上结合Wilks准则提出了选取主分量的新方法.实例证明了所提出的主成分选取方法是有效的.     

电子鼻在棉织物异味检测中的应用研究

基于电子鼻传感器检测技术,对棉织物中5种异味整体性质的人工智能评价进行探究,根据传感器检测数据曲线和数据主成分分析(PCA)分析,结果表明:各传感器对不同异味成分的响应性不同,PCA分析法处理数据能够有效区分布样中不同的异味组分,为纺织品异味的快速、有效、客观检测评定奠定了一定的基础.     

基于核PCA与在线支持向量机的电子鼻气体分类研究

通过电子鼻系统获取的数据具有维数高、非线性变化等特点,不利于后续算法的识别或分类。因此,提出了基于核主元分析(KPCA)与在线支持向量机(Online-SVM)的电子鼻系统识别新算法。首先采用KPCA算法对采集到的原始数据进行特征提取,达到降维与去噪的目的,然后使用在线支持向量机对数据进行预测,最后与基于径向基函数的神经网络算法(RBF)预测结果进行对比分析。实验结果表明,新算法在电子鼻信号处理领域相对较优,具有较好的价值。     

电子鼻用于检测掺假牛奶时其传感器阵列的优化

目前电子鼻在食品领域已有广泛的应用，由于气味组成成分复杂，仅用单个气体传感器是无法评定气体质量，因此气体传感器阵列应运而生。在对不同的食品进行检测时，电子鼻的传感器阵列的构成是不同的。本文运用PEN2便携式电子鼻对掺假牛奶进行检测，用方差分析、主成分分析和聚类分析对信号进行分析，得到由8个传感器组成的用于检测掺假牛奶的最佳传感器阵列。用这8个传感器组成的传感器阵列对掺假牛奶进行检测区分，结果用LDA方法 (线性判别式分析) 进行分析，在LDA分析图上，不同比例掺假的牛奶能被明显地区分。新的传感器阵列具有较少的传感器和与原传感器阵列相同的检测区分能力。     

基于电子鼻技术的湄潭春茶产地溯源研究

为实现不同产地湄潭春茶的快速、客观判别，基于电子鼻与多元统计分析定性判别不同产地湄潭春茶间的差异，并定量预测其产地。对电子鼻信号进行分析，发现其响应信号在传感器S7、S9、S6和S2的强度均较明显；方差分析发现湄潭春茶产地对传感器响应影响均显著；基于第80 s数据进行主成分分析(PCA)和典则判别分析(CDA)，发现其基本能区分不同产地的湄潭春茶，且数据点的分布均与各产地地理位置分布呈现一定特征规律性，但区分效果不够理想。为进一步提高对不同乡镇茶叶的区分效果，利用不同特征值(平均值、曲线面积、最大值、斜率、主成分分析优选参数、loading优选参数)进行判别分析，其中平均值、曲线面积、最大值判别结果优于80 s时的判别结果；斜率、主成分分析优选参数、loading判别结果比80 s时的判别结果差；以响应曲线的平均值进行判别时，可达到100%正确识别。多层神经网络分析(MLP)作为效果最佳、决定系数最高(R_c²=0.985 5,R_p²=0.994 1)的茶叶产地预测模型，可以实现对不同产地湄潭春茶的有...     

用于食醋品质预评价的电子鼻研究

设计了面向食用醋品质预评价的电子鼻系统,它包括:由5种TGS系列和1种MQ系列半导体氧化物气体传感器构建的传感器阵列、以LPC2138微处理器为核心的采集电路等硬件部分。通过USB接口将所采集的数据上传至计算机,利用上位机LabVIEW软件进行数据采集的实时显示,并利用主成分分析(PCA)法和线性判别式分析(LDA)法对数据进行分析。使用该设计的电子鼻对生活中常见的5种食醋进行测量,并对食醋种类、配料关系进行了分析。结果表明,电子鼻技术在食醋品质预评价中是可行的。     

一种基于气体传感器技术的肉苁蓉快速鉴别方法

为方便快捷地鉴别不同产地肉苁蓉,探索一种基于电子鼻技术结合模式识别方法的肉苁蓉快速鉴别方法.采用PEN3电子鼻分析电子鼻传感器阵列不同响应特征,采用主成分分析法和线性判别分析建立模型及测试评估模型性能.结果表明,基于PCA的肉苁蓉种类鉴别模型将传感器高维特征降维提取,度量传感器特征信息贡献,为传感器阵列的优化提供新的方法和借鉴.采用LDA得到类间方差较大,有明显区分度,且类内方差很小,聚合性非常好的分类模型.经过验证,测试数据集在欧氏距离验证下可达到100％识别率.实验证明,电子鼻技术可有效对不同产地肉苁蓉快速鉴别.     

使用电子鼻检测低温贮藏罗非鱼储存时间

本文采用电子鼻结合理化检验方法探索了一种低温贮藏罗非鱼储存时间预测方法。按照国家标准检验了罗非鱼样品的挥发性盐基氮（TVBN）,同时测量了电子鼻传感器阵列响应,以TVBN检验结果标定罗非鱼的新鲜度。在随机共振理论模型研究的基础之上,对电子鼻检测数据进行主成分和随机共振分析。相对于主成分分析结果,随机共振输出信噪比可以完全区分罗非鱼样品。依据TVBN国家标准计算得到罗非鱼电子鼻检测信噪比新鲜度阈值为-61.1688。选取信噪比曲线特征值经线性拟合回归建立了罗非鱼储存时间预测模型,该模型的预测系数R2=0.910,结果表明可以准确预测罗非鱼的储存时间。该方法具有快速、易操作、准确等优势,有望于在水产品品质快速分析中得到广泛应用。     

百草油鉴别分类的电子鼻实现方法研究

采用便携式电子鼻PEN3对4组不同生产批次的中成药(百草油)进行检测,并对采样得到的数据进行分析.结合主成分分析(PCA)和线性判别分析(LDA)算法的特点,采用了PCA+LDA分析方法.该方法首先通过PCA分析来压缩特征数据的维数,减少数据计算量,进而优化特征向量,继而采用LDA分析实现对不同批次百草油产品的鉴别分类.结果表明:对4组样本的最终判别结果达到了87.5%的正确判别率,误判的待测样本只发生在p0705和p0801之间.     

基于金属氧化物传感器阵列的小麦霉变程度检测

研制了一套由8个金属氧化物传感器组成、用于检测小麦霉变的电子鼻系统.使用该电子鼻对不同霉变程度和掺入不同百分比含量霉麦的小麦样品进行检测.通过方差分析和主成分分析优化传感器阵列并去掉冗余传感器,对优化后的数据进行主成分分析(PCA)和线性判别分析(LDA),其中PCA的前两个主成分对两类实验结果分析的总贡献率为98.30％和99.27％,LDA前两个判别因子对两类实验结果分析的总贡献率为99.68％和93.30％,且由得分图可知两种方法均能很好地区分不同的小麦样品.利用BP神经网络建立预测模型,对样品菌落总数和掺入样品中霉麦的百分比进行预测.两种预测模型的预测值和测量值之间的相关系数分别为0.91和0.94,表明预测模型具有较好预测性能.     

RVM算法在下肢辅助运动设备中的应用

相关向量机(RVM)是一种适用于非线性、较高维数的小样本事件的稀疏贝叶斯学习算法。笔者提出基于相关向量机利用足底压力信号预测人类行走时步态轨迹算法,通过相关压力传感器和磁栅尺同步采集足底部位的压力数据和踝关节角度数据,并利用Savitzky-Golay滤波算法滤波和主成分分析算法,目的在于减少压力信号维数,获得压力主分量信号。利用压力主分量信号进行最大期望算法(EM)训练,得出RVM模型。     

劲酒电子鼻鉴别分析中传感器阵列优化方法研究

气敏传感器阵列优化是电子鼻应用研究中的一个重要方面.阵列优化后可以消除初始阵列中的冗余信息,提高识别能力.在电子鼻对劲酒进行鉴别分析中.分别采用相关系数绝对值累加和最小分析、PCA第二主成分系数选择性分析、基于变异系数的因子载荷分析三种方法研究了初始传感器阵列的优化阵列.结果表明3种优化阵列组成形式基本相同,进而构造出了适宜劲酒电子鼻分析的传感器阵列.计算分析表明,传感器优化阵列可以很好地对酒精度为35和38度的两种劲酒产品进行鉴别分类.这也为电子鼻分析中阵列的优化选取提供了一种方法与思路.     

基于主成分分析的神经网络入侵检测仿真研究

研究入网络安全的入侵检测问题.针对网络入侵数据的高维、非线性和冗余特点,传统降维和检测方法检测率低的难题,为了提高网络安全性,提出一种基于主成分分析的遗传神经网络网络入侵检测方法.首先对网络入侵的数据维数利用主成分分析进行降维处理,消除数据之间的冗余信息,简化神经网络的输入,然后采用遗传算法对神经网络的权值进行优化,加...     

检测掺假牛奶的电子鼻传感器阵列的优化

目前电子鼻在食品领域已有广泛的应用,由于气味组成成分复杂,仅用单个气体传感器是无法评定气体质量的,因此气体传感器阵列应运而生.在对不同的食品进行检测时,电子鼻的传感器阵列的构成是不同的.运用PEN2便携式电子鼻对掺假牛奶进行检测,用方差分析、主成分分析和聚类分析对信号进行分析,得到由8个传感器组成的用于检测掺假牛奶的最佳传感器阵列.用这8个传感器组成的传感器阵列对掺假牛奶进行检测区分,结果用LDA方法(线性判别式分析)进行分析,在LDA分析图上,不同比例掺假的牛奶能被明显地区分.新的传感器阵列具有较少的传感器和与原传感器阵列相同的检测区分能力.     

基于核熵成分分析的数据降维?

针对高维数据的维灾问题,采用核熵成分分析方法降维数据,并与主成分分析及核主成分分析方法进行对比。降维后的数据利用支持向量机算法进行分类,以验证算法有效性。实验结果表明,KECA在较低的维数时仍然能获得较好的分类精度,可以减少后续的处理复杂度和运行时间,适用于机器学习、模式识别等领域。     

电子鼻技术在茶叶品质检测中的应用研究

以电子鼻作为检测手段,对同类不同等级的茶叶、茶水和茶底挥发性成分进行检测,并对采集到的数据进行分析。首先通过主成分分析进行特征提取来压缩数据维数,减少数据计算量,进而优化特征向量。然后采用线性判别和BP神经网络的方法对茶叶的不同等级进行分类判别。结果显示,误判样本都发生在T60和T100之间,两种判别方法结果比较一致。相对于茶叶和茶底,以各等级茶水为研究对象时,两种方法对茶叶品质等级的判别及测试结果相对都比较好。     

改进的入侵检测数据降维方法

数据降维是提高入侵检测分类器的学习效率和检测速度的重要手段。针对目前入侵检测数据特征降维力度不够,提出了一种基于主成分分析的分类特征降维方法。该方法把样本集按数据类型分割成多个子集,分别对每个子集进行主成分分析来消除各子集间在降维时的相互影响,使得每个子集的降维达到最佳。实验结果表明采用分类主成分分析方法能够更有效地降低数据维数,提高了入侵检测分类器的学习速度和检测速度。     

基于投影寻踪的高光谱图像特征融合算法

高光谱遥感技术的迅速发展对高光谱图像的数据降维和特征提取等处理方法提出了新的要求；通常的降维处理方法包括主成分分析和投影寻踪两种方法，根据主成分分析方法能反映数据全局特征和投影寻踪法，可以反映出数据局部特征的特点，提出了基于主成分分析与投影寻踪的高光谱图像特征融合算法，将两种方法得到的特征图像进行小波分解并按照高低频互补的融合规则完成了高光谱图像的特征融合，实验证明此方法能够保留场景中感兴趣目标物和背景信息，实现数据的有效压缩。     

基于流形学习的维数约简算法

介绍线性维数约简的主成分分析和多维尺度算法,描述几种经典的能发现嵌入在高维数据空间的低维光滑流形非线性维数约简算法,包括等距映射、局部线性嵌入、拉普拉斯特征映射、局部切空间排列、最大方差展开。与线性维数约简算法相比,非线性维数约简算法通过维数约简能够发现不同类型非线性高维数据的本质特征。     

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。