仿生嗅覺(jué)系統(tǒng)信息獲取與處理的方法研究.pdf

1、長(zhǎng)期以來(lái)，仿生嗅覺(jué)研究一直進(jìn)展緩慢，究其原因，一方面是由于生物嗅覺(jué)系統(tǒng)的本質(zhì)遠(yuǎn)比其它感覺(jué)系統(tǒng)復(fù)雜；另一個(gè)方面就是嗅覺(jué)接受的感知信號(hào)并不是單一的，而且生物嗅覺(jué)系統(tǒng)內(nèi)發(fā)生的信號(hào)處理過(guò)程極其復(fù)雜。目前常用的方式是通過(guò)多個(gè)敏感程度不同的氣體傳感器組成傳感器陣列，結(jié)合神經(jīng)網(wǎng)絡(luò)等模式識(shí)別方法構(gòu)成仿生嗅覺(jué)系統(tǒng)，用該系統(tǒng)進(jìn)行多種氣體的識(shí)別和檢測(cè)具有很大的實(shí)用價(jià)值，而信息采集和模式識(shí)別是系統(tǒng)性能的關(guān)鍵。 本文是以生物嗅覺(jué)系統(tǒng)原理及國(guó)內(nèi)外研究成果為

2、基礎(chǔ)，研究基于支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)的魚的新鮮度估計(jì)系統(tǒng)。目的在于利用傳感器陣列對(duì)氣體的高維響應(yīng)模式來(lái)實(shí)現(xiàn)對(duì)不同氣味的識(shí)別，解決目前單個(gè)氣體傳感器選擇性差的問(wèn)題；通過(guò)對(duì)仿生嗅覺(jué)系統(tǒng)信息獲取與處理的方法進(jìn)行研究，提出運(yùn)用支持向量機(jī)(SVM)(定性分類)與人工神經(jīng)網(wǎng)絡(luò)(ANN)(定量分類)相結(jié)合的模式識(shí)別方法，解決基于仿生嗅覺(jué)系統(tǒng)對(duì)魚的新鮮度估計(jì)的問(wèn)題。與新西蘭的Auckl and工業(yè)大學(xué)的合作項(xiàng)目里對(duì)新西蘭市場(chǎng)上最受歡迎的四類魚(紅甲魚

3、、魴魚、唇指鱸和(澳洲)鲹)進(jìn)行了測(cè)量實(shí)驗(yàn)，獲取了大量的圖片和數(shù)據(jù)。本課題通過(guò)計(jì)算機(jī)進(jìn)行數(shù)值計(jì)算和數(shù)據(jù)處理，運(yùn)用了巧妙的數(shù)據(jù)預(yù)處理技術(shù)并結(jié)合多種特征提取技術(shù)，得到了較好的正確識(shí)別率。 SVM是新近出現(xiàn)的一種機(jī)器學(xué)習(xí)方法，它最突出的優(yōu)點(diǎn)是：(1)基于統(tǒng)計(jì)學(xué)習(xí)理論，給出了實(shí)際風(fēng)險(xiǎn)的上界，避免過(guò)學(xué)習(xí)：(2)求解問(wèn)題歸結(jié)為一個(gè)線性約束的凸二次規(guī)劃(QP)問(wèn)題，解是全局最優(yōu)的和唯一的，避免局部極?。?3)應(yīng)用核函數(shù)，將輸入空間中的線性不可