基于核PCA与在线支持向量机的电子鼻气体分类研究 - 计算机应用与软件.PDF

第３２卷第１１期　　　 计算机应用与软件 Ｖｏｌ３２Ｎｏ．１１ ２０１５年１１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｎｏｖ．２０１５ 基于核ＰＣＡ与在线支持向量机的电子鼻气体分类研究 １，２ １ １ １ 余　炜 　万代立 　周　娅 　杨喜敬 １（昆明理工大学信息工程与自动化学院　云南昆明６５０５００） ２（成都工业学院　四川成都６１１７３０） 摘　要　　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。 关键词　　电子鼻　核主成分分析（ＫＰＣＡ）　在线支持向量机（ＯｎｌｉｎｅＳＶＭ）　ＲＢＦ神经网络 中图分类号　ＴＰ２１２　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１５．１１．０６２ ＲＥＳＥＡＲＣＨＯＮＥＬＥＣＴＲＯＮＩＣＮＯＳＥＧＡＳＣＬＡＳＳＩＦＩＣＡＴＩＯＮＢＡＳＥＤＯＮ ＫＥＲＮＥＬＰＣＡＡＮＤＯＮＬＩＮＥＳＶＭ １，２ １ １ １ ＹｕＷｅｉ　ＷａｎＤａｉｌｉ　ＺｈｏｕＹａ　ＹａｎｇＸｉｊｉｎｇ １（ＦａｃｕｌｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇａｎｄＡｕｔｏｍａｔｉｏｎ，ＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ６５０５００，Ｙｕｎｎａｎ，Ｃｈｉｎａ） ２（ＣｈｅｎｇｄｕＴｅｃｈｎｏｌｏｇｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｃｈｅｎｇｄｕ６１１７３０，Ｓｉｃｈｕａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｔｈｅｄａｔａｏｂｔａｉｎｅｄｆｒｏｍｅｌｅｃｔｒｏｎｉｃｎｏｓｅｓｙｓｔｅｍｈａｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｈｉｇｈｄｉｍｅｎｓｉｏｎａｎｄｎｏｎｌｉｎｅａｒ，ｔｈｕｓｉｓｎｏｔｃｏｎｄｕｃｉｖｅｔｏ ｔｈｅｓｕｂｓｅｑｕｅｎｔａｌｇｏｒｉｔｈｍｆｏｒｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｔｈｅｒｅｆｏｒｅｉｎｔｈｅｐａｐｅｒｗｅｐｒｅｓｅｎｔａｎｅｗｒｅｃｏｇｎｉｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒｅｌｅｃｔｒｏｎｉｃ ｎｏｓｅｓｙｓｔｅｍ，ｗｈｉｃｈｉｓｂａｓｅｄｏｎｋｅｒｎｅｌｐｒｉｎｃｉｐａｌｃｏｍｐｏｎｅｎｔａｎａｌｙｓｉｓ（ＫＰＣＡ）ａｎｄｏｎｌｉｎｅｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ（ｏｎｌｉｎｅＳＶＭ）．Ｆｉｒｓｔ，ｔｈｅ ａｌｇｏｒｉｔｈｍａｄｏｐｔｓＫＰＣＡｆｏｒｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎｏｎｔｈｅｃｏｌｌｅｃｔｅｄｏｒｉｇｉｎａｌｄａｔａｔｏａｃｈｉｅｖｅｔｈｅｐｕｒｐｏｓｅｏｆｄｉｍｅｎｓｉｏｎａｌｉｔｙｒｅｄｕｃｔｉｏｎａｎｄｄｅｎｏｉｓｉｎｇ， ｔｈｅｎｉｔｕｓｅｓｏｎｌｉｎｅＳＶＭｔｏｆｏｒｅｃａｓｔｔｈｅｄａｔａ，ａｎｄｆｉｎａｌｌｙｉｔｃｏｍｐａｒｅｓｔｈｉｓｄａｔａｗｉｔｈｔｈｅｐｒｅｄｉｃｔｅｄｒｅｓｕｌｔｏｆｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ（ＲＢＦ）ｎｅｕｒａｌ ｎｅｔｗｏｒｋａｌｇｏｒｉｔｈｍ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｎｅｗａｌｇｏｒｉｔｈｍｉｓｒｅｌａｔｉｖｅｌｙｏｐｔｉｍａｌｉｎｔｈｅｆｉｅｌｄｏｆｓｉｇｎａｌｐｒｏｃｅｓｓｉｎｇｏｆｅｌｅｃｔｒｏｎｉｃｎｏｓｅ， ａｎｄｈａｓｂｅｔｔｅｒｖａｌｕｅａ