【摘要】：木香是一種菊科類的草藥,是治療胃痛和腹瀉等疾病的良藥,并且伴隨著濃濃的芳香。對(duì)于不同產(chǎn)地或不同采收時(shí)間的木香,由于培育時(shí)光照、水分、溫度和養(yǎng)分等條件的不一樣,它們的主治功能也會(huì)不同,這影響了木香的銷售價(jià)格。不同種類的木香在外觀上非常相似,沒有經(jīng)過特殊訓(xùn)練的一般消費(fèi)者難易從外觀分辨其種類。本文提出一種基于機(jī)器嗅覺的木香鑒別方法,通過對(duì)不同產(chǎn)地或不同采收時(shí)間的木香進(jìn)行氣味信息的分析和處理,該方法可以對(duì)木香的種類進(jìn)行識(shí)別,為木香提供了一種新的檢測方法。機(jī)器嗅覺可以通過計(jì)算機(jī)模擬生物嗅覺的工作方式,它由氣敏傳感器陣列和氣味信號(hào)處理系統(tǒng)組成。機(jī)器嗅覺的傳統(tǒng)方法主要通過線性投影的方式對(duì)氣味信息進(jìn)行處理,而新興的流形學(xué)習(xí)則為機(jī)器嗅覺引入了新的解決思路,不僅能將高維的數(shù)據(jù)嵌入到低維空間中,而且更好地捕獲原始數(shù)據(jù)的非線性特征。本文將流形學(xué)習(xí)方法t-SNE和線性判別分析進(jìn)行結(jié)合,提出了一種新的機(jī)器嗅覺方法t-SNE+LDA,通過t-SNE將高維度的木香氣味數(shù)據(jù)映射到低維空間,再利用基于線性判別分析的分類器進(jìn)行分類和識(shí)別。t-SNE能有效緩解降維算法中常見的“擁擠問題”并獲得更好的抗噪能力,能同時(shí)保留原始數(shù)據(jù)的局部和全局結(jié)構(gòu)特征。為了從產(chǎn)地和采收時(shí)間兩個(gè)角度對(duì)木香進(jìn)行分析,多個(gè)不同產(chǎn)地和不同采收時(shí)間的木香被用作實(shí)驗(yàn)樣品。實(shí)驗(yàn)通過電子鼻對(duì)這些樣品進(jìn)行氣味數(shù)據(jù)的采集,并參考一般數(shù)據(jù)集的儲(chǔ)存形式,對(duì)所采集的氣味數(shù)據(jù)進(jìn)行整理和處理,形成了木香氣味信息的數(shù)據(jù)集。為了驗(yàn)證t-SNE+LDA對(duì)木香氣味數(shù)據(jù)的分類識(shí)別效果,本文將SLLE、SLLE+LDA、t-SNE和t-SNE+LDA四種算法應(yīng)用于實(shí)驗(yàn)中,并通過分類效果和鑒別正確率等角度,對(duì)比這些算法的效果。(1)通過比較SLLE+LDA與t-SNE+LDA的實(shí)驗(yàn)結(jié)果,發(fā)現(xiàn)t-SNE能為LDA提供更有利于分類的降維結(jié)果。(2)通過對(duì)比使用SLLE和SLLE+LDA,t-SNE和t-SNE+LDA的實(shí)驗(yàn)結(jié)果,可以發(fā)現(xiàn)在SLLE或者t-SNE降維后,LDA將數(shù)據(jù)再次投影到了更優(yōu)的分類判別空間,獲得了更好的判別效果。實(shí)驗(yàn)表明,t-SNE+LDA結(jié)合了兩種算法的優(yōu)點(diǎn),具有較大類間離散度和較小類內(nèi)離散度的分類結(jié)果,且識(shí)別的正確率更高,是一種鑒別木香氣味數(shù)據(jù)的有效方法。
【圖文】：

圖 1-1 云南木香Fig.1-1Aucklandiae radix from YunnanProvince圖 1-2 廣東木香Fig.1-2Aucklandiae radix from GuangdongProvince在過去，鑒別木香的常用方法有人工鑒別、顯微鑒定技術(shù)以及各種理化儀器鑒別方法。隨著現(xiàn)代人工智能技術(shù)的不斷發(fā)展，科學(xué)家們通過不斷的探索和驗(yàn)證，使得傳感器技術(shù)和機(jī)器學(xué)習(xí)理論發(fā)展迅猛，機(jī)器嗅覺的理論與技術(shù)也應(yīng)運(yùn)而生。機(jī)器嗅覺是一門由電子計(jì)算機(jī)模仿生物嗅覺感官的理論學(xué)科，它通過具有交叉靈敏度的氣敏傳感器陣列采集外界氣味信號(hào)并輸入到電子計(jì)算機(jī)，形成氣味的“電子指紋”[4]，由計(jì)算機(jī)完成對(duì)氣味信號(hào)的分析和處理。本研究基于機(jī)器嗅覺，提出一種便捷的木香鑒別方法。機(jī)器嗅覺與機(jī)器視覺、機(jī)器聽覺同為現(xiàn)代智能感知學(xué)科所研究的內(nèi)容，，然而針對(duì)木香這種研究對(duì)象，機(jī)器嗅覺具有得天獨(dú)厚的優(yōu)勢，因?yàn)閰^(qū)分不同類型木香的主要特征是其揮發(fā)物的成分，而機(jī)器嗅覺恰恰是模擬生物鼻對(duì)這些揮發(fā)物的氣味進(jìn)行研究的學(xué)科。機(jī)器嗅覺由具有交叉靈敏特性的氣敏傳感器陣列和適用于氣味信號(hào)處理的機(jī)器

圖 1-1 云南木香Fig.1-1Aucklandiae radix from YunnanProvince圖 1-2 廣東木香Fig.1-2Aucklandiae radix from GuangdongProvince在過去，鑒別木香的常用方法有人工鑒別、顯微鑒定技術(shù)以及各種理化儀器鑒別方法。隨著現(xiàn)代人工智能技術(shù)的不斷發(fā)展，科學(xué)家們通過不斷的探索和驗(yàn)證，使得傳感器技術(shù)和機(jī)器學(xué)習(xí)理論發(fā)展迅猛，機(jī)器嗅覺的理論與技術(shù)也應(yīng)運(yùn)而生。機(jī)器嗅覺是一門由電子計(jì)算機(jī)模仿生物嗅覺感官的理論學(xué)科，它通過具有交叉靈敏度的氣敏傳感器陣列采集外界氣味信號(hào)并輸入到電子計(jì)算機(jī)，形成氣味的“電子指紋”[4]，由計(jì)算機(jī)完成對(duì)氣味信號(hào)的分析和處理。本研究基于機(jī)器嗅覺，提出一種便捷的木香鑒別方法。機(jī)器嗅覺與機(jī)器視覺、機(jī)器聽覺同為現(xiàn)代智能感知學(xué)科所研究的內(nèi)容，然而針對(duì)木香這種研究對(duì)象，機(jī)器嗅覺具有得天獨(dú)厚的優(yōu)勢，因?yàn)閰^(qū)分不同類型木香的主要特征是其揮發(fā)物的成分，而機(jī)器嗅覺恰恰是模擬生物鼻對(duì)這些揮發(fā)物的氣味進(jìn)行研究的學(xué)科。機(jī)器嗅覺由具有交叉靈敏特性的氣敏傳感器陣列和適用于氣味信號(hào)處理的機(jī)器
【學(xué)位授予單位】：廣東工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：R284;TP212

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄒鵬;李凡長;尹宏偉;張莉;張召;;基于邊界檢測的多流形學(xué)習(xí)算法[J];模式識(shí)別與人工智能;2016年11期

2 黃永毅;;基于流形學(xué)習(xí)降維技術(shù)的研究概述[J];中國科技信息;2013年14期

3 孟德宇;徐宗本;戴明偉;;一種新的有監(jiān)督流形學(xué)習(xí)方法[J];計(jì)算機(jī)研究與發(fā)展;2007年12期

4 肖揚(yáng);宋斌;雷勇;吳祖煌;;基于流形學(xué)習(xí)的醫(yī)院績效評(píng)價(jià)方法研究與實(shí)踐[J];計(jì)算機(jī)應(yīng)用與軟件;2011年06期

5 邵超;萬春紅;張嘯劍;;基于隨機(jī)游走的流形學(xué)習(xí)與可視化[J];數(shù)據(jù)采集與處理;2017年03期

6 陳科;王家耀;成毅;謝明霞;;利用流形學(xué)習(xí)進(jìn)行空間信息服務(wù)分類[J];武漢大學(xué)學(xué)報(bào)(信息科學(xué)版);2013年03期

7 李小麗;薛清福;;幾種流形學(xué)習(xí)算法的比較研究[J];電腦與信息技術(shù);2009年03期

8 曾憲華;羅四維;;全局保持的流形學(xué)習(xí)算法對(duì)比研究[J];計(jì)算機(jī)工程與應(yīng)用;2010年15期

9 李建新;;基于增強(qiáng)多流形學(xué)習(xí)的監(jiān)控視頻追蹤算法[J];西南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2019年01期

10 陳晉音;鄭海斌;保星彤;;基于自適應(yīng)密度聚類非線性流形學(xué)習(xí)降維方法研究與實(shí)現(xiàn)[J];小型微型計(jì)算機(jī)系統(tǒng);2018年08期

相關(guān)會(huì)議論文 前8條

1 楊劍;李伏欣;王玨;;基于局部切距離的近鄰法[A];2005年中國智能自動(dòng)化會(huì)議論文集[C];2005年

2 周倩;唐建軍;鄭穎;譚兵兵;張洪麟;;基于流形學(xué)習(xí)的特高頻局放信號(hào)特征降維[A];重慶市電機(jī)工程學(xué)會(huì)2010年學(xué)術(shù)會(huì)議論文集[C];2010年

3 李曉菲;梁循;周小平;;股價(jià)時(shí)間序列滑動(dòng)窗口的流形學(xué)習(xí)實(shí)證研究[A];第十八屆中國管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2016年

4 李勇智;何光明;楊靜宇;;2DUDP:一種新的基于圖像矩陣的特征提取方法[A];第二十七屆中國控制會(huì)議論文集[C];2008年

5 李睿凡;朱強(qiáng)生;郭燕慧;劉海濤;;魯棒局部保持投影的表情識(shí)別[A];2006年首屆ICT大會(huì)信息、知識(shí)、智能及其轉(zhuǎn)換理論第一次高峰論壇會(huì)議論文集[C];2006年

6 劉曉平;季浩;鄧偉財(cái);;基于流形學(xué)習(xí)的非線性系統(tǒng)可視化算法[A];全國第21屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議（CACIS·2010）暨全國第2屆安全關(guān)鍵技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2010年

7 劉立;余正濤;王蒙;毛存禮;郭劍毅;;結(jié)合詞相關(guān)特征與流行學(xué)習(xí)的中文問句分類[A];第六屆全國信息檢索學(xué)術(shù)會(huì)議論文集[C];2010年

8 何慧;陳博;郭軍;;基于流形學(xué)習(xí)的半監(jiān)督文本情感分類算法[A];第五屆全國信息檢索學(xué)術(shù)會(huì)議論文集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 劉嫻;廣義圖嵌入流形學(xué)習(xí)SAR目標(biāo)識(shí)別方法研究[D];電子科技大學(xué);2018年

2 李月仙;基于拉普拉斯特征映射算法的旋轉(zhuǎn)機(jī)械故障診斷研究[D];太原理工大學(xué);2016年

3 李俊;基于智能優(yōu)化的特征選擇及分類方法研究[D];武漢大學(xué);2014年

4 劉小明;數(shù)據(jù)降維及分類中的流形學(xué)習(xí)研究[D];浙江大學(xué);2007年

5 黃啟宏;流形學(xué)習(xí)方法理論研究及圖像中應(yīng)用[D];電子科技大學(xué);2007年

6 孫明明;流形學(xué)習(xí)理論與算法研究[D];南京理工大學(xué);2007年

7 陳華杰;非線性流形上多姿態(tài)人臉檢測與識(shí)別[D];浙江大學(xué);2006年

8 李春光;流形學(xué)習(xí)及其在模式識(shí)別中的應(yīng)用[D];北京郵電大學(xué);2008年

9 陶曉燕;基于支持向量機(jī)和流形學(xué)習(xí)的分類方法研究[D];西安電子科技大學(xué);2008年

10 羅甫林;高光譜圖像稀疏流形學(xué)習(xí)方法研究[D];重慶大學(xué);2016年

相關(guān)碩士學(xué)位論文 前10條

1 徐同林;基于梯度和流形學(xué)習(xí)的超校準(zhǔn)方法及其應(yīng)用研究[D];南京航空航天大學(xué);2019年

2 唐超;基于FRFT和流形學(xué)習(xí)的旋轉(zhuǎn)機(jī)械故障診斷方法研究[D];浙江師范大學(xué);2019年

3 鄭首易;基于機(jī)器嗅覺的木香鑒別方法研究[D];廣東工業(yè)大學(xué);2019年

4 韋杰瑞;基于流形學(xué)習(xí)的滾動(dòng)軸承信號(hào)降噪方法研究[D];國防科技大學(xué);2017年

5 李松;基于張量分析的流形學(xué)習(xí)算法研究[D];大連理工大學(xué);2019年

6 蔣大鵬;基于改進(jìn)近紅外漫反射技術(shù)與流形學(xué)習(xí)的東北松子霉變分類研究[D];東北林業(yè)大學(xué);2019年

7 劉洋;流形學(xué)習(xí)結(jié)合ELM的飛秒激光光斑圖像分類研究[D];華北理工大學(xué);2019年

8 張悅;基于流形學(xué)習(xí)的降維算法及其在人臉識(shí)別中的應(yīng)用[D];遼寧師范大學(xué);2019年

9 唐云霞;基于流形學(xué)習(xí)的室內(nèi)WLAN半監(jiān)督位置指紋數(shù)據(jù)庫構(gòu)建方法[D];重慶郵電大學(xué);2018年

10 王族;基于流形學(xué)習(xí)的極限學(xué)習(xí)機(jī)及其應(yīng)用研究[D];遼寧師范大學(xué);2019年

本文編號(hào)：2598020