医用电子鼻气体传感器阵列优化方法

电子鼻气体传感器阵列存在冗余和相关,将对分类识别效果产生影响。提出并实现了一种新的医用电子鼻气体传感器阵列优化方法,利用改进遗传算法设定气体传感器的重要性系数,以去除传感器阵列的冗余和相关,提高系统的判别能力。新的方法分别用于五种乳癌特征气体和七种伤口病原菌检测,使正确识别率得到较大提高。     

一种新的基于有区别方差分析的流形学习算法

提出了一种有区别方差嵌入(DVE,distinguishing variance embeddings)算法。算法建立在最大方差展开(MVU,maximumvariance unfolding)和拉普拉斯特征映射(Laplacianeigenmaps)的基础上,通过最大化非近邻点在低维空间中的距离在全局上展开嵌入流形,利用近邻点间的距离和约束有效保留了数据集的局部邻近关系。DVE算法也可以看作是对MVU算法的约束松弛改进。在易于可视化的模拟数据和具有嵌入流形结构的图像数据集上进行了实验,实验结果证明了算法的有效性。     

基于粒子群优化算法的多目标搜索算法

针对多目标优化问题在实际应用中的复杂性,提出一种采用粒子群优化算法来求解多目标优化的问题的方法。在分析了多目标优化问题的基础上,以粒子群优化算法对生产配料流程中的优化问题为例进行非劣最优解集的搜索,并将其运用于实际工程制造中的某配料选型工艺计算中。仿真结果表明:该方法有效,在工程设计选型、模式分类、神经网络训练以及系统控制等领域正得到普遍应用。     

结合气体浓缩的 2B电子鼻伤口病原菌快速检测

针对在电子鼻伤口病原菌检测中,由于特征气体浓度低,电子鼻识别效果不好的问题,设计并实现了一个基于固体吸附/热解吸技术的气体浓缩系统,该系统由流速控制单元、温度控制单元和填装混合吸附剂的吸附管构成.对测试数据的主成分分析和层次聚类结果表明,结合气体浓缩的电子鼻系统,对伤口病原菌的区分能力得到明显提高,可进一步用于伤口感染实时检测.     

基于DOE的电子鼻实验优化方法

传统的电子鼻实验方法仅凭经验设定操作参数,难以保证实验的可重复性和最大有效性。将实验设计（DOE）方法引入电子鼻的实验研究中,利用中心复合设计快速确定实验点,以模糊修正综合响应最大为目标,对预富集-电子鼻系统的关键参数进行优化。理论分析与实验结果表明：该优化方法有利于电子鼻实验的可重复性开展,并能以最小的实验代价获取最大的实验信息。     

基于支持向量机的医用电子鼻分类器研究

医用电子鼻测试中,样本数量少且样本之间具有特别明显的不对称性,医用电子鼻模式识别问题是一个小样本、不等距的模式识别问题,传统的基于经验风险最小的模式分类算法在医用电子鼻中的应用效果欠佳。将基于统计学习理论和结构风险最小化的支持向量机分类方法引入医用电子鼻模式识别系统中,实现五种伤口病原菌和七种乳癌特征气体的分类,识别正确率分别为76%和91.43%。理论分析与实验结果表明,新的方法具有比传统分类器更好的分类效果。