论文部分内容阅读
随着计算机技术、通信与信息技术的迅猛发展,虚拟现实技术应运而生,人们通过研究视频和音频信息的本质特征,实现了视频和音频信息的网络传输及复现,即实现了人类的“千里眼”和“顺风耳”的美好梦想,本文则想通过对物质气味信息进行特征提取和分类识别从而为研究物质气味信息的通用表征模式奠定基础。针对目前多类别物质气味信息的特征提取难度大、分类识别率低等问题,本文基于机器嗅觉技术采集了物质气味信息数据,并结合已知的特征信息理论和分类识别算法,对能表示气味信息的特征进行探索研究并提取,提高了物质气味信息的分类识别率。首先,本文详细介绍了PEN3电子鼻的构造和工作原理,然后选择市面上常见的10种水果作为实验对象,再利用PEN3电子鼻分别采集其气味信息,并首次把采集的气味信息数据构建成自定义的标准气味数据库。与以往每次只能从原始数据文件中读取气味信息数据相比有了较大的提升,极大地方便了气味信息数据的存储和使用,为文中后续实验提供了气味信息数据支撑。其次,把10种水果的气味信息数据分为两组,第一组(五种水果):从10种水果中选取5种,第二组(十种水果):所选的10种水果。然后根据已知的特征信息理论和分类识别算法,融合PCA与LDA算法(PCA+LDA)以及LTSA与LDA算法(LTSA+LDA),并分别使用PCA+LDA、LTSA+LDA以及机器学习领域中的卷积神经网络(CNN)算法对五种水果和十种水果进行特征提取和分类识别。PCA+LDA算法在提取50th特征时对五种水果和十种水果的分类识别率分别为92%和70%,在提取mean+var特征时对五种水果和十种水果的分类识别率分别为96%和85%;LTSA+LDA对五种水果和十种水果的分类识别率分别为90%和75%;CNN对五种水果和十种水果的分类识别率分别为100%和98%。最后,把PCA+LDA、LTSA+LDA和CNN等三种算法分别对五种水果和十种水果的分类识别效果进行对比分析,结果表明:当使用PCA+LDA算法时,通过提取不同的特征可以在一定程度上提高气味信息的分类识别率,但是该算法在多类别气味信息分类识别中效果仍然不理想。而本文创新性地使用机器学习领域中的CNN算法对气味信息的分类识别效果则优于PCA+LDA和LTSA+LDA两种算法,不仅在少类别(不多于5种)的气味信息分类识别过程中可以取得较高的识别率,而且在多类别(多于5种)中同样可以取得较高的识别率,说明CNN算法有助于研究气味信息的通用表征模式。