论文部分内容阅读
在食品电子鼻检测中,模式识别是关键问题之一。不同的模式识别算法有不同的分类效果。常用的模式识别方法如主成分分析、Fisher鉴别分析等都属于线性分析，不能很好地解决非线性问题。而核技术的引入，则使这一问题得到了很好的解决。本文将核变换引入到电子鼻检测中，运用核Fisher鉴别分析（KFDA）的方法，并以食醋、白酒作为研究对象，在提取方差、积分值、相对稳态平均值、平均微分值、小波能量、面积斜率比6种特征参量的基础上，对其进行鉴别分析。主要研究成果如下：1.运用基于距离测度的矩阵相似性度量的方法对核函数的参数进行了优化确定。对于食醋：方差、积分值、相对稳态平均值、平均微分值、小波能量、面积斜率比6种特征参量相对应的核函数参数分别为4.4797、5.7770、5.3878、5.6927、4.357、0.0015625。对于白酒：方差、积分值、相对稳态平均值、平均微分值、小波能量、面积斜率比6种特征参量相对应的核函数参数分别为5.8922、3.61、2.4697、3.1027、0.58125、0.0022095。2.运用基于主成分贡献率的核Fisher判别分析（KFDA）的方法对食醋和白酒进行了鉴别分析，结果显示：当主成分累计贡献率为0.9时，对于食醋：方差、积分值、相对稳态平均值、平均微分值、小波能量、面积斜率比6种特征参量的分类正确率分别为95.0%、98.3%、98.3%、96.1%、97.2%、88.3%；对于白酒：方差、积分值、相对稳态平均值、平均微分值、小波能量、面积斜率比6种特征参量的分类正确率分别为86.7%、84.4%、84.4%、82.8%、93.9%、83.9%。当选择全部主成分，即当累积贡献率为1时，对于食醋，6种特征参量分类正确率均达到了100%；对于白酒，小波能量的分类正确率为99.4%，其他5种特征参量分类正确率也均达到了100%。3.运用基于Wilks Λ统计量选择主成分的核Fisher判别分析（KFDA）的方法对食醋和白酒进行了分析，结果显示：并非需要选择全部主成分即可使判别正确率达到100%，进而使计算工作量得以减少。这说明在KFDA分析中，运用Wilks Λ统计量选择主成分是合适的，也是必要的。4.实际应用表明，用基于KFDA的电子鼻鉴别食醋、白酒两类样品是有效的。