多传感器数据融合2013203164_周宇.pptVIP

多传感器数据融合 姓名：周 宇 专业：检测技术与自动化装置 导师：孟庆浩教授 主要内容 实验设计与测试 4 电子鼻系统介绍 1 白酒识别便携设备原理 2 支持向量机分类器简介 3 * 天津大学 电气与自动化工程学院 一、电子鼻系统介绍 电子鼻又称人工嗅觉系统，是模仿哺乳动物的嗅觉系统的结构和功能的现代分析仪器，同样也具有与生物嗅觉系统很相似的信息处理机制。 1、电子鼻简介 2、电子鼻组成 电子鼻通常由三个主要部分组成包括气体传感器阵列、信息预处理和模式识别。 一、电子鼻系统介绍 3、电子鼻原理 气体样本与气敏传感器阵列反应，将化学信号转化为电信号，经过降噪滤波、归一化等一系列预处理，获取样本的原始综合特征信息，再从中提取适当的特征并降维后进行模式识别，最终得到样本的定性或定量识别结果用于决策判断。 二、白酒识别便携设备 （1）、能够针对不同酒类进行真假辨别 （2）、体积小便于携带，具有在线分析样本并及时得出结果 （3）、能够进行在线训练，扩大酒类真假辨别范围 1、设计目标 2、测试原理 每种酒的成分不一样，这种成分一般是有机酸、脂、醇之类的。所以测试的第一步要把样本进行充分的蒸发，使其中的挥发性有机物（VOC）蒸发出来，将这些气体输入到一个具有广谱响应特性的气敏传感器阵列，不同的样本气体将会导致不同的输出，将阵列输出的电压信号进行采集后，经过一系列处理后，输入到经过训练的分类器（SVM、人工神经网络等等各种模式识别算法），从而得出判别结果。 三、支持向量机简介 1、支持向量机特点 （1）、支持向量机是基于结构风险最小化（ SRM ）原则，保证学习机器具有良好的泛化能力，算法可保证结果的全局最优，避免神经网络无法解决的局部最优问题。 （2）、通过引入核函数，将输入中的非线性问题映射到高维特征空间中在高维空间中构造线性判别函数； 三、支持向量机简介 2、选用支持向量机的原因 （1）、不同于人工神经网络，SVM计算量较小。 （2）、训练所需样本数较小，仅仅对支持向量进行计算与保存。 （3）、选用One-class SVM是进行真假识别的一个较优选择。 三、支持向量机简介 3、支持向量机的实现 LibSVM是台湾林智仁(Chih-Jen Lin)教授2001年开发的一套支持向量机的库，这套库运算速度快，可以很方便的对数据做分类或回归。由于libSVM程序小，运用灵活，输入参数少，并且是开源的，易于扩展，因此成为目前国内应用最多的SVM的库。 软件包支持多个平台，可以在windows(命令行环境)、java、matlab中运行，其中包括的分类器有 C-SVC 、nu-SVC、one-class SVM、epsilon-SVR、nu-SVR，可以进行分类或者回归以及参数优选。 三、支持向量机简介 4、支持向量机的实现 四、实验设计与测试 1、实验目的 采集9种酒类样本气体，分别是泸州老窖、百年皖酒、稻花香、青酒、兰津酒、红津酒、绵竹大曲、牛栏山、酒精，进行多类别分类。 2、实验条件 样本气体流量为200sccm； 水浴蒸发温度为70°C； 试验样本量为2uL； 9类样本均在此条件下重复采样20次； 3、实验数据结果（C-SVC） 四、实验设计与测试 　train/test 特征数2 特征数3 特征数4 特征数5 特征数6 9/171 85.496 94.27 68.53806 52.51462 38.12866 18/162 92.344 93.822 62.09872 46.54322 44.56788 27/153 94.116 96.208 87.84314 81.17652 76.20916 36/144 94.675 96.668 94.21296 83.47224 87.77778 45/135 95.408 96.593 94.51854 88.14816 91.11112 90/90 95.74 96.89 96.88892 95.87302 94.66666 　train/test 特征数7 特征数8 特征数9 特征数10 特征数11 9/171 　 　 　 　 　 18/162 　 　 　 　 　 27/153 　 　 　 　 　 36/144 　 　 　 　 　 45/135 　 　 　 　 　 90/90 95.3704 93.77776 90.44446 94 91.55556 4、结果分析 四、实验设计与测试 结论一：支持向量机训练所需样本量小。 结论二：支持向量机训练所需样本个数应与特征维数适当，不能过低或过高。 5、