基于多种变量分析方法鉴别食醋种类电子鼻信号特征筛选

• 作者: 于慧春 殷勇 赵玉珍
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 判别分析 主成分分析 信号分析 多特征表征 食醋 电子鼻 WilksΛ统计量
• 年，卷（期）: 2018,（15）
• 所属期刊栏目: 农产品加工工程
• 页码范围: 290-297
• 页数: 8页
• 分类号: TP212.2|TS207.5
• 字数: 5548字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.15.036

摘要

为了提高6种食醋的电子鼻鉴别能力,该文提出了一种基于多变量分析的食醋电子鼻信号多特征表征策略.初选不同的特征表征电子鼻信号,构建电子鼻信号的初始特征矩阵.采取载荷分析进行电子鼻传感器阵列优化,优选了12个气敏传感器的响应数据进行后续分析.为消除各传感器响应信号之间的相关性,对优选阵列的特征矩阵进行主成分分析(principal component analysis,PCA),并利用WilksΛ统计量选择鉴别能力最优的主成分子阵.在选择最优主成分子阵的基础上,以生成主成分的每一个原始特征变量为对象,计算每一个原始特征变量在主成分子阵中的贡献系数绝对值之和,且根据系数绝对值之和从大到小排序;同时,根据不同和值的指定,形成了不同容量的原始特征变量集.最后,借助于Fisher判别分析(Fisher discriminant analysis,FDA)探索了不同容量原始特征变量集的鉴别结果,确定了最佳的原始特征变量集.结果表明,特征选择前后传感器信号的表征特征发生了明显变化,最终采用48个特征参量实现了对食醋电子鼻信号的有效表征.在48个特征参量表征条件下,同时运用FDA和BP神经网络(back propagation neural network,BPNN)对6种食醋进行了鉴别分析,训练集的鉴别正确率分别在93％和98％以上,测试集的鉴别正确率也分别达到了90％和93％以上.另外,利用巴氏距离进一步揭示了样品间的可分离程度及FDA与BPNN结果的可信性.研究结果可为电子鼻信号多特征表征提供了一种新思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于慧春	河南科技大学食品与生物工程学院	55	485	12.0	20.0
2	殷勇	河南科技大学食品与生物工程学院	62	589	15.0	21.0
3	赵玉珍	河南科技大学食品与生物工程学院	1	7	1.0	1.0