| 摘要:本文提出了一种协同降维策略来优化特征维度进而提升电子鼻分类精度。该协同降维策略结合了无监督和有监督降维的优点实现原始特征的有效降维，并利用该策略实现不同品牌白酒的智能辨识。 首先，提取电子鼻检测数据的最大值、 稳态均值、积分值以及小波能量值作为特征值。其次，将无监督降维方式的核熵成分分析(KECA)引入对融合特征进行初步降维。再利用有监督降维方式的线性判别分析(LDA)进行再次降维得到最终的综合特征。最后，基于支持向量机(SVM)、概率神经网络(PNN)、随机森林(RF)对综合特征进行分类识别。结果表明，KCEA-LDA-SVM获得了最高的分类性能达96%，说明该协同降维策略可以有效提升电子鼻的检测性能。 |
| 关键词: 电子鼻检测、协同策略、核熵成分分析、线性判别分析、支持向量机 |
|
|
|
|
| Abstract: |
| Key words: |