电子鼻判别挥发性气体的实验研究

文中模拟人的嗅觉形成过程研制了一套用金属氧化物半导体气敏传感器阵列组成的电子鼻系统．深入研究了电子鼻的气敏传感器阵列和数据处理分析器,并用该电子鼻对５种不同浓度乙醇溶液（ ０． ５％, ｌ％, １． ５％, ２％, ５％）进行分析,详细阐述了实验过程,同时用 ＢＰ神经网络对样本进行识别分析,神经网络的回判正确率为９０％,测试正确率为８０％．［     

电子鼻判别挥发性气体的实验研究

文中模拟人的嗅觉形成过程研制了一套用金属氧化物半导体气敏传感器阵列组成的电子鼻系统。深入研究了电子鼻的气敏传感器是和数据处理分析器,并用该电子鼻对5种不同浓度乙醇溶液（0．5％,1％,1．5％,2％,5％）进行分析,详细阐述了实验过程,同时用BP神经网络对样本进行识别分析,神经网络的回判正确率为90％,测试正确率为80％。     

信阳毛尖茶品质和化学成分快速检测方法

探索茶叶品质和化学成分的快速检测方法,利用电子鼻技术对3个品质等级的信阳毛尖茶的挥发性气味进行了分析.对电子鼻检测信号进行主成分分析和线形判别分析结果显示3个品质的茶叶能被很好地区分,各个类的集中性也较强.采用二次多项式逐步回归分析分别建立传感器信号和信阳毛尖茶的氨基酸、茶多酚和咖啡碱含量之间的预测模型.通过测试集对二次多项式逐步回归模型进行验证得到氨基酸、茶多酚和咖啡碱含量的预测值和测试值的相关系数分别为0.95、0.94和0.92,预测标准误差分别为0.08、0.11和0.8,平均误差分别为0.9%、2.8%和1.5%.结果表明,电子鼻技术可以用于茶叶理化成分的快速检测.     

国外科技集锦

电子备鼻检测水果陈露英国华威大学最近宣布研制出一种新型“电子鼻”，它能帮助商家和消费者检测水果成熟程度。现有的水果成熟度检测手段大多需要从水果中提取出一定成分，这往往会给水果造成不同程度的损坏。华威大学工程学院加德纳教授等研制出的“电子鼻”，是采用闻气味的方法进行检测，因此不会损伤水果。新型“电子鼻”由气味传感器和神经网络元件结合而成。传感器探测到的水果气味，经神经网络处理后与数据库中的资料进行比较，即可精确计算出水果成熟到何种程度。如果“电子鼻”事先能接受“训练”掌握一定“经验”，那么它还可实…     

可视化传感技术在桃子质量评价中的应用

利用卟啉类化合物制成可视传感器阵列,对3类桃子(正常、机械损伤、真菌感染)进行测试.提取桃子的气味信息,将传感器阵列与桃子顶空气体发生反应前后的颜色变化作为特征值.对特征值进行主成分分析,提取前6个主成分用于最小二乘支持向量机建模.对训练集中的26个样本进行测试,模型的回判正确率达100%;对24个预测样本的识别正确率达91.7%.研究表明可视传感器阵列用于桃子的质量评定是可行的,对其他水果的评定有直接借鉴作用.     

基于气敏传感器阵列的香菇品质检测方法研究

利用气敏传感器检测了2个等级香菇样品的挥发性气味,并对所采集数据进行主成分分析和聚类分析,正确判别率均为100％．试验结果表明,利用气敏传感器阵列和适当的模式识别对香菇的品质进行检测,可为人工鉴定提供参考．     

电子鼻研究进展及在中国白酒检测的应用

基于传感器技术、信号处理技术和模式识别技术发展起来的电子鼻技术是过去二十年中发展最为迅速的气相分析和气体检测技术之一,它已逐渐在生物医学、环境监测、农业生产、食品检测等多个领域得到应用.电子鼻是利用对待测气体具有交叉敏感性的传感器阵列将待测气体中的混杂气味组分信息转化为与时间、成分、浓度或含量相关的可测物理信号组,利用信号采集系统输出含有待测气体特征信息的数字信号,通过模式识别系统分析数字信号得到待测气体综合气味信息和隐含特征,实现对待测气体快速、系统、准确的鉴别和分析.本文综述了电子鼻技术中的传感器技术和模式识别技术及在中国白酒品牌鉴定、风味识别、酒龄检测方面的最新研究进展;以聚合物石英压电传感器型电子鼻为例,阐明该电子鼻的技术方案及其在中国白酒检测中的应用;展望电子鼻未来研究方向.     

人工嗅觉系统及其在卷烟烟气中的研究

用金属氧化物半导体气敏传感器阵列组成的人工嗅觉系统 (电子鼻 )对 3种品牌卷烟烟气进行分析 详细阐述了实验过程及确定传感器的组成方法 ,并从样本中用马氏距离选取合适的样本 ,用主成分分析法和神经网络聚类分析法对样本进行分析 主成分分析结果是已较好地把各品牌的烟分开 ,神经网络对 3种品牌烟的识别率分别为玉溪 85%、白沙 90 %、红梅 95%     

肉品气味信息采集系统的设计

针对人工评价肉品气味主观性强、重复性差的缺点,设计了肉味信息采集分析系统。该系统根据肉在存放过程中发出的主要气味,合理筛选出5种气敏传感器,构成传感器阵列;根据气味采集的特点,设计了肉品气味收集装置。通过正交试验优化了肉味收集装置参数,最佳参数为：风扇风速1.6m／s,收集箱容积为2L,传感器阵列位置100mm。通过全面试验确认了传感器阵列的电阻变化范围,设计了带有温度补偿及抗干扰的差分电桥调理电路,试验优选出最佳桥臂电阻。根据肉品气味信号特征,将提取信号曲线的峰值、平均值、稳定值、30s值、峰面积作为特征值。研究分析了模式识别方法的优劣,确定了遗传优化的组合径向基函数神经网络作为肉品气味的模式识别方法。试验证明,该肉品气味信息采集系统检测肉品新鲜度正确率达95％。     

基于仿生嗅觉的气味指纹检测与识别方法研究

基于导电聚合物气敏阵列传感器,提出一种仿生嗅觉传感方法,设计一种仿生嗅觉传感系统,该系统能够模拟人的嗅觉细胞对气味进行检测,运用先进的人工智能技术来模拟人脑的神经中枢对气味数据进行分析,从而达到对产品判别的目的.测试结果表明,最终样本判别正确率达到90%以上.     

基于改进的FCM和KPCA的多光谱图像特征提取方法

分析了PCA和KPCA对于提取多光谱图像非线性特征的不足,提出了一种基于改进的FCM和KPCA的多光谱图像特征提取方法。首先利用改进的FCM进行聚类分析,然后将获得的聚类中心作为输入样本,进行KPCA,从而得到主成分图像。试验结果表明,文中提出的方法具有良好的特征提取性能,可有效地提取多光谱图像的非线性特征。     

基于主成分聚类分析的采矿方法优选

 采矿方法优选涉及到多指标体系的分类及综合评价问题,利用主成分分析简化了指标结构,将主成分分析与聚类分析相结合,提出了主成分聚类分析法,并基于该方法对来自某矿山的15个试样的采矿方法进行了优选。在此过程中,针对传统主成分分析方法的缺点和应用中可能出现的误区,通过均值化改进了主成分分析的特征提取,通过以主成分得分为新的数据基础做聚类分析改善了综合评价效果;对主成分含义给出了较为明确的解释;对主成分聚类、第一主成分得分、主成分综合得分的排序结果进行了对比分析。研究表明,主成分聚类分析法则既可以对多变量数据进行合理地分类,又能对各类优劣程度做出综合评价,能充分反映矿山的实际情况,终选出的采矿方法在工业试验后成效显著,验证了该决策方法是切实可行的。     

基于特征迁移和深度学习的配电网故障定位

故障诊断对电力系统的稳定运行至关重要。当配电网的拓扑结构发生较大变化时,难以获取大量带有标签的暂态数据,导致传统的故障预测模型精度难以提高。针对此问题,提出一种将特征迁移和深度学习相结合的配电网故障诊断新方法。首先,采集配电网不同线路的零序电流构造故障特征集;其次,引入加权半监督迁移成分分析(semi-supervised transfer component analysis, SSTCA)方法,利用混合核函数将不同拓扑结构下的特征样本映射到同一特征空间中,缩小数据间的分布差异性;最后,将映射后的源域样本输入卷积神经网络中进行分类训练,并测试映射后的目标域样本。通过Simulink仿真表明,在改变配电网拓扑结构的新场景下,所提的特征迁移方法与其他方法相比,对目标域故障定位精度最高,达到98%以上。     

基于改进的局部方向模式人脸表情识别算法

针对LDP利用Kirsch算子计算8方向的边缘响应值并排序,特征提取速度慢的问题,提出了一种改进的分解局部方向模式DLDP(divided local directional pattern)特征提取方法。将Kirsch算子的8个方向掩模分成2个子方向掩模再分别计算边缘响应值,获得2个编码(DLDP1和DLDP2),级联两个编码的直方图得到表情特征DLDP。然后利用主成分分析法(PCA,principal component analysis)降维处理。最后用支持向量机进行表情识别,在JAFFE数据库上的实验表明,本文方法与近几年效果较好的特征提取算法相比,不仅缩短了特征提取的运算时间,而且提高了识别率。     

基于支持向量机的苹果检测技术

由于苹果果梗和缺陷的识别是苹果检测中的难点,两者的误分类会造成苹果等级的误判．作者提出了苹果果梗和缺陷图像分形特征提取的改进算法,构建了支持向量机并采用SMO算法对其进行训练．用计算机视觉系统采集苹果图像,然后提取苹果果梗和缺陷的分形特征作为支持向量机的输入进行识别．用富士苹果进行试验,得到的平均识别正确率为90．6％．     

一种基于Fisher准则的二维主元分析表情识别方法

提出了一种基于Fisher准则进行特征选择的二维主元分析表情识别方法.首先对训练样本做二维主元分析,然后再根据Fisher准则,按Fisher比的大小选择特征向量作为投影轴,最后用最近邻方法进行分类.在JAFFE人脸表情静态图像库上进行实验,与按特征值的大小来选择特征向量相比,该方法更有效.     

基于聚类分析和支持向量机的布匹瑕疵分类方法

提出一种基于聚类分析和支持向量机(SVM)的布匹瑕疵分类方法.该方法充分利用瑕疵的几何特征,首先使用迭代自组织数据分析技术算法(ISODATA)对其进行聚类,在聚类形成的子空间内再根据瑕疵的纹理特征利用SVM进行分类.根据布匹瑕疵的特点提出一种新的几何特征,并使用各类瑕疵的几何特征均值作为初始聚类中心,提高ISODATA算法的聚类效果.实验表明,该方法有效地提高了分类准确性,降低了训练的复杂度,分类准确率可达90%.     

基于特征量融合和支持向量机的滚动轴承故障诊断

为了提高滚动轴承的故障诊断率,提出了一种经验模态分解(empirical mode decomposition, EMD)结合时域分析后使用主成分分析(principal component analysis, PCA)融合特征量的特征提取方法。首先,通过EMD分解得到前5个本征模态函数(intrinsic mode function, IMF)分量的上、下包络值矩阵的奇异值;然后,对轴承原始信号进行时域分析得到各种时域特征参数;最后对奇异值和时域特征参数使用PCA降维融合后输入到多分类支持向量机(support vector machines, SVM)中进行分类。通过实验仿真验证,融合后的特征量诊断准确率达到了98.6%,该方法能充分地提取出轴承故障特征信息,诊断效果良好。     

基于最优正交质心特征选取的DNA微阵列数据分析

微阵列数据具有样本小、维度高的特点,给数据分析带来了困难。因此,在生物信息学的研究和应用中,从微阵列数据里挑选主基因(特征选取)是十分重要和有意义的。本文采用基于最优正交质心特征选取算法(OCFS)来挑选主基因,并与基于信噪比的主基因挑选法和基于遗传算法的主基因挑选法进行了对比。利用挑选出的主基因,采用支持向量机(SVM)对数据样本进行了分类研究。通过实验,在经典的白血病数据集上,对于34个样本的测试集,达到了33/34的分类准确率,表明了本方法的适用性。