智舌非線性模式識別方法研究.pdf

1、智舌是本實驗室自主研發(fā)的一種新型電子舌系統(tǒng),由傳感器陣列、信號激發(fā)與接收電路以及智能算法三個部分組成。前期電子舌的研究多集中在傳感器陣列研究、新型信號采集系統(tǒng)創(chuàng)建等科學層面。鑒于電子舌的諸多優(yōu)點,將其數(shù)據(jù)進一步優(yōu)化具有一定的必要性,然而相關研究少之甚少。因此,本文在實驗室研究基礎上,從核主分量分析(Kernl PCA)、局部線性嵌入(LLE)、Sammon映射三種數(shù)據(jù)模式識別以及對各個方法結果的表面分段擬合輪廓邊界檢測的圖像模式識別四個

2、方面,對智舌模式識別進行了系統(tǒng)研究。主要研究工作及結果如下:
　　 (1)核主分量分析(Kernel PCA)在智舌中的研究基于線性主成分分析(PCA)對電子舌數(shù)據(jù)的處理存在局限性,它并不適用于所有電子舌樣品,因此,引入核方法的非線性變換技術——KPCA來替代。本實驗以電子舌的3種難區(qū)分的不同樣品,以KPCA.作為模式識別方法,引入不同核函數(shù)(高斯核函數(shù)、多項式核函數(shù)與sigmoid核函數(shù))進行模式分類。研究發(fā)現(xiàn):在PCA方法不

3、能區(qū)分樣品的情況下,KPCA-Gauss能夠將所有樣品進行完全分類;KPCA-Poly只能區(qū)分苦味溶液樣品;KPCA-Sigmoid能區(qū)分奶粉樣品和苦味溶液樣品。因此,從區(qū)分效果的DI值上比較,KPCA-Gauss更具模式分類效果,更適合應用于電子舌。
　　 (2)局部線性嵌入(LLE)在智舌中的研究與KPCA的出發(fā)點相同,利用電子舌數(shù)據(jù)局部線性的特點,用LLE方法代替。PCA方法。本實驗對電子舌3種同樣難分類的樣品,以LLE作

4、為模式識別方法進行模式分類。研究發(fā)現(xiàn):在PCA方法不能區(qū)分樣品的情況下,LLE方法能夠將所有樣品進行完全分類。
　　 (3)Sammon映射在智舌中的研究與前兩種非線性方法一致,Sammon映射保持電子舌數(shù)據(jù)的歐式距離不變,使電子舌高維數(shù)據(jù)低維可視化。本實驗對電子舌3種同樣難分類的樣品,以Sammon映射作為模式識別方法進行模式分類。研究發(fā)現(xiàn):在PCA方法不能區(qū)分樣品的情況下,Sammon映射方法能夠將所有樣品進行完全分類。

5、r>　　 (4)輪廓邊界檢測在智舌中的研究輪廓邊界檢測作為圖像模式識別的核心內(nèi)容,針對電子舌現(xiàn)階段定性確定樣品輪廓邊界的問題,提出一種基于表面擬合的分段擬合輪廓邊界檢測方法。本實驗選擇電子舌白酒標準模型進行條件優(yōu)化,再應用于電子舌多樣品模式分類。研究發(fā)現(xiàn):優(yōu)化條件為分段數(shù)為8,保留輪廓邊界點個數(shù)為22,輪廓邊界閾值中權重w取2/3。在電子舌多樣品檢測中,輪廓邊界檢測定量化,有了質(zhì)的飛躍,使輪廓邊界結構更優(yōu)化。
　　 綜上所述,