電子鼻是用來模仿人類嗅覺的人工嗅覺系統(tǒng)。待測氣體進入電子鼻時,傳感器陣列產(chǎn)生傳感器響應(yīng),然后用智能信號處理方法對傳感器響應(yīng)信號進行分析處理,并對其作出氣味預(yù)測,從而完成對氣味的識別。然而,在實際應(yīng)用場景中,電子鼻會受到傳感器漂移的影響,而漂移方向是不確定且不可預(yù)測的。這將使得先前采集的數(shù)據(jù)和之后采集的數(shù)據(jù)的數(shù)據(jù)分布不一致,導(dǎo)致事先訓練好的模式識別算法性能下降甚至失效,從而降低電子鼻系統(tǒng)的性能和使用壽命。因此,本文主要研究如何抑制傳感器漂移,提高預(yù)測模型的準確性和魯棒性。文中將沒有發(fā)生傳感器漂移的數(shù)據(jù)視為源域,發(fā)生了傳感器漂移的數(shù)據(jù)視為目標域。針對電子鼻面臨的漂移問題,本文提出了相應(yīng)的解決方法。具體如下:1.提出了一種跨域子空間對齊漂移抑制模型,通過找到一種線性映射關(guān)系P,將源域和目標域同時映射到一個相同的子空間,在此空間,最小化源域和目標域的距離,保證類與類之間的可區(qū)分性,同時最大程度上保留局部鄰域結(jié)構(gòu)。由于源域和目標域的數(shù)據(jù)分布不一致,因此該方法的主要思想是通過一個線性映射學習一個新的公共子空間,使源域和目標域數(shù)據(jù)分布一致性提高,同時讓類可分性加強,從而實現(xiàn)漂移抑制。2.提出了一種基... 

【文章來源】：重慶郵電大學重慶市

【文章頁數(shù)】：73 頁

【學位級別】：碩士

【部分圖文】：

電子鼻結(jié)構(gòu)框圖

通過多種連接方式建立起一個網(wǎng)絡(luò)。人工神經(jīng)網(wǎng)絡(luò)是由大元）通過各種連接方式連接起來的一個模型。每個節(jié)點都有一種特定之為激勵函數(shù)。每個節(jié)點之間也有相應(yīng)的連接權(quán)重，權(quán)重不一樣代網(wǎng)絡(luò)的“記憶”。差反向傳播神經(jīng)網(wǎng)絡(luò)(Back propagation neural network, BPNN)又被絡(luò)，BP 神經(jīng)網(wǎng)絡(luò)可以認為是一個不斷進行誤差修正的“萬能模型”，會將結(jié)果與預(yù)期結(jié)果進行誤差分析，從而修正節(jié)點間的權(quán)重和神經(jīng)訓練結(jié)果和預(yù)期結(jié)果一步步接近。 神經(jīng)網(wǎng)絡(luò)模型由三層組成：輸入層、隱含層和輸出層。BP 神經(jīng)網(wǎng)絡(luò) 2.1 所示，輸入層有 d 個神經(jīng)元，隱含層有 q 個神經(jīng)元，輸出層有么就有 l 個神經(jīng)元閾值。其中用ijv 表示第 i 個輸入層節(jié)點到第 j 個權(quán)重，用jkw 表示第 j 個隱含層節(jié)點到第 k 個輸出層節(jié)點間的權(quán)重

圖 2.2 傳統(tǒng)機器學習與遷移學習的學習過程差異從圖 2.2 中可以看出，傳統(tǒng)的機器學習進行任務(wù)學習時的知識是從本身的訓練樣本中來獲得，而遷移學習則存儲著解決上一個問題的知識，用于解決下一個不同但相關(guān)的問題。傳統(tǒng)機器學習的學習過程是不同學習任務(wù)之間將會有不同的學習系統(tǒng)，而遷移學習過程的學習過程是將有關(guān)聯(lián)的學習任務(wù)之間聯(lián)系起來進行訓練學習。比如說，一個人如果學會了騎自行車，那么他能很快地學會騎摩托車，因為這兩個任務(wù)是有關(guān)聯(lián)的。由于受到了傳感器漂移的影響，使得電子鼻系統(tǒng)獲得數(shù)據(jù)的分布不同于標準電子鼻數(shù)據(jù)的分布，這就是遷移學習應(yīng)用的場景之一。許多研究者在遷移學習應(yīng)用在電子鼻系統(tǒng)上的場景做出了很大的努力。文獻[51]提出了漂移校正自動編碼器用于解決電子鼻系統(tǒng)中傳感器漂移問題。文獻[52]為了解決傳感器漂移提出了一種域自適應(yīng)極限學習機(Domain adaptation extreme learning machine, DAELM)框架。文

【參考文獻】：
期刊論文
[1]基于SFAM神經(jīng)網(wǎng)絡(luò)集成的土地評價[J]. 薛月菊,胡月明,楊敬鋒,陳強.  農(nóng)業(yè)工程學報. 2008(03)

博士論文
[1]電子鼻及其應(yīng)用研究[D]. 史志存.中國科學院電子學研究所 2000



本文編號：2951815