基于电子鼻的SVM模式识别算法的研究与实现(3)
随着科技学技术的发展，人们对气体检测的应用涉及各个行业领域，传统的气体检测主要依靠人和犬类动物的嗅觉来检测各种气体。例如：利用人的嗅觉对食品、香精香料等产品的质量进行检测，利用警犬识别犯罪嫌疑人现场遗留物品的气来侦破案件、搜查毒品及易燃易爆品等[2]，但是人和犬类动物的嗅觉容易受到外部因素的影响，从而会导致检测结果出现误差。相比起传统的气体检测方法，机器嗅觉则可以避免这些外部因素带来的影响，检测更为客观，检测结果也更加可靠。同时由于电子鼻操作简单，分析快速，而且适应于各种现场检测，因此被广泛地应用于食品、化工、医疗、环境监测等领域[3]。
电子鼻系统一般由传感器阵列、预处理系统、模式识别系统三个部分组成，其中传感器阵列由多个部分交叉敏感的传感器组成[3]，是电子鼻系统的基础，而预处理系统则对传感器信号进行加工，去除传感器输出信号中包含的干扰信息，并完成特征参数的提取。模式识别系统是电子鼻系统中的核心部分，它将传感器采集并经过预处理的数据进行再处理，从而测定未知气体全面、准确的信息。目前提出的模式识别方法有很多，比如基于统计学理论的k-邻近法、聚类分析（CA）、线性判别分析等，这类方法因为缺乏训练从而导致缺乏抗干扰能力，不适合环境变化大的场合[6]。还有基于神经网络的概率神经网络（PNN）[20]、学习向量量化（LVQ）、自组织特征映射神经网络（Kohonen网络）等方法，它们虽然有较强的抗干扰能力但是需要花费很长的时间进行训练。支持向量机（SVM）是在统计学理论基础上发展起来的新一代机器学习算法，由于它结构简单、泛化能力强且不存在过学习等问题，因此可以应用于电子鼻模式识别系统中[30]。
1.2研究意义
气体识别技术从传统的依赖人和犬类嗅觉发展到现在借助由传感器阵列构成的电子鼻，机器嗅觉技术的不断发展和创新给我们带来了巨大的改变。电子鼻凭借其科学、准确的气体判别和分析能力，在环境监测、食品行业、医疗诊断等行业领域里已发挥了重要的作用[3]。而模式识别是一个电子鼻系统中的核心部分，它可以通过对数据进行计算得到精确的气体定性和定量分析结果。研究先进的模式识别方法可以使电子鼻具有更高的识别精度，同时也具有较高的理论研究意义和实际应用价值。因此，对模式识别系统的研究是研究电子鼻技术的重要内容。
1.3国内外研究现状
电子鼻的起源可以追溯到上个世纪60年代[2]。1962年，第一届国际嗅觉学术交流会在瑞典首都斯德哥尔摩举行，后来到1982年由Persand和Dodd俩人第一次提出了电子鼻的概念[7]，再到1994年由Gardner等研究人员发表了有关电子鼻的综述性文章，正式提出了“电子鼻”的概念[10]。此后，电子鼻的研究进入了一个飞速发展的阶段，电子鼻的设计、使用性能等都有了很大的进步，使得电子鼻在很多领域得以应用。目前从事电子鼻研究的多为一些欧美国家的组织或机构，并且已经生产出一些技术成熟的电子鼻产品，例如法国ALPHA-MOS的FOX电子鼻，英国LEED大学的BH113型电子鼻等。而国内的电子鼻研究起步相对较晚，并且大部分也还处于研究阶段。
电子鼻可以模仿人的嗅觉功能更加科学、准确的去实现气识别，虽然很多地方依旧不成熟，但随着敏感材料和制造工艺的不断发展，电子鼻技术的研究也会更加深入，电子鼻的应用也将更加广泛。
1.4 论文结构
本文第一章主要对电子鼻的研究背景和国内外研究现状进行描述，并且说明了研究电子鼻的理论意义和实际意义；第二章主要对于数据预处理理论进行阐述，主要介绍了三种归一化方法和一种数据集降文算法主成分分析法（PCA），并且详细说明了数据预处理的步骤及计算过程；第三章主要介绍了支持向量机（SVM）的理论知识和推导过程，并且引入了核函数理论，接着提出了三种基于SVM的参数优化算法-遗传算法（GA）、粒子群算法（PSO）和网格搜索算法（GS），并对三种算法的理论和计算过程都做了详细的介绍；第四章主要是算法验证过程，主要对比了三种参数优化算法在K=5时寻优的效率和推广能力，并且在最后对交叉验证参数K进行了实验对比，寻找到了最佳的交叉验证参数K；第五章主要总结了本文的研究结论以及进一步研究的方向。