空气质量监测系统中多分类器的集成技术研究

摘要

电子鼻技术是人工嗅觉模拟技术的应用,其模仿生物嗅觉对待测物体进行感知、分析和识别,首先通过传感器阵列获取信号,然后利用模式识别技术对被测物进行识别输出。电子鼻系统具有检测速度快、可实时在线进行无损或无创检测的特点。本文以电子鼻在空气质量监测中的应用为背景,主要研究了电子鼻空气监测系统的软件设计、特征提取以及模式识别算法等问题。
　　本电子鼻空气监测系统主要包括硬件系统、软件系统和模式识别算法三个部分。整个系统目前可以完成六种气体的分类识别与浓度预测,检测的目标气体分别为:甲醛、苯、甲苯、一氧化碳、二氧化氮、氨气。
　　本文首先对模式识别领域涉及的特征提取问题进行了研究。由于电子鼻空气监测系统的六类目标污染气体具有线性不可分性,一般的线性特征提取方法,如主成分分析(PCA)和独立分量分析(ICA),难以有效提取其非线性特征。针对该问题,本文以支持向量机分类算法为基础,重点研究了非线性特征提取方法:核主成分分析(KPCA)。同时,将此方法与PCA和ICA进行对比研究,实验结果表明该方法得到了更好的实验效果。
　　同时,本文针对多种污染气体的识别问题进行了研究,提出了一种新的集成分类器模型用于解决电子鼻系统中的多种污染气体识别问题,本文的研究重点旨在提升分类器的识别精度及泛化性能。首先运用非线性核主成分分析方法对输入样本进行特征提取,然后结合支持向量机分类算法构造五个基分类器,最后对五个基分类器的结果进行融合,作为最终的分类结果进行输出。采用了两种方法对基分类器的结果进行融合:多数投票法和基于个体分类器预测精度的权重法。此外,也将本文提出的多分类器集成方法与单一分类器的识别结果进行了比较。通过对电子鼻的样本数据进行验证,分类器的平均识别精度提高到了92％,远远高于单一分类器86％的识别精度。因此,本文提出的方法在识别精度和泛化性能都得到了一定的提升,证明本文提出的多类分类型模型是有效的。