[发明专利]用于山核桃新鲜度检测的传感器阵列优化方法

摘要

本发明公开了一种用于山核桃新鲜度检测的传感器阵列优化方法，该方法首先根据山核桃挥发性气体的GC‑MS分析结果选择气敏传感器；接着根据传感器阵列在所述挥发性气体中的响应信号挑选传感器构成初始阵列；通过提取保留传感器的平均微分值、稳定值及面积值构成初始特征矩阵；然后以特征值为对象，对不同新鲜度山核桃的特征值数据进行均值分析；其次对特征值进行变异系数分析；再以平方Euclidean距离为度量标准，对特征值进行聚类分析，并对各类特征值进行相关性分析；最后对特征矩阵进行方差膨胀因子分析来获得最终优化特征矩阵及传感器阵列。本发明依据非搜索性特征选择策略进行优化，尽可能挑选出有效信息更多的特征值，有利于提高模式识别的正确率。

主权项

1.一种用于山核桃新鲜度检测的传感器阵列优化方法，其特征在于，该方法包括以下步骤：步骤1：气敏传感器的选择选择新鲜的山核桃，对山核桃挥发性气体进行GC‐MS分析；根据GC‐MS分析结果，针对挥发性气体中的主要成分，选择具有敏感性的气敏传感器；步骤2：初始传感器阵列的构建采用步骤1选择的传感器对不同新鲜度的山核桃顶空气体进行检测，根据传感器对山核桃挥发性气体的响应曲线，选择不同新鲜度山核桃挥发性气体均具有响应的传感器构成初始传感器阵列；步骤3：构造初始特征矩阵对初始传感器阵列中各传感器的响应曲线采用平均微分值法、稳定值法、面积值法进行特征提取，构成初始特征矩阵；步骤4：均值分析以步骤3提取得到的特征值为对象，进行均值分析，根据优化判别标准，对不同相对变化率下限值情况下得到的特征矩阵进行模式识别，选取最佳区分效果所对应的相对变化率下限值，剔除小于相对变化率下限值的特征值；所述优化判别标准为主成分分析法；步骤5：变异系数分析计算步骤4保留下来的特征值的变异系数，剔除变异系数大于0.15的特征值；步骤6：基于聚类分析的相关性分析将步骤5保留下来的特征值，以平方Euclidean距离为度量标准，对特征值进行聚类分析；计算各特征值的Rr值，并根据优化判别标准，对不同Rr上限值情况下得到的特征矩阵进行模式识别，选取最佳区分效果所对应的Rr上限值，剔除小于Rr上限值的特征值，以完成相关性分析；所述Rr值为特征值与其他类所有特征值的相关系数绝对值累加和，其表达式为： R r = Σ m = 1 , m ≠ i P ( Σ j = 1 N | R mj | ) ]]>其中P为类数，N为各类中特征值个数，Rmj为该特征值与第m类第j个特征值之间的系数；步骤7：方差膨胀因子分析对经步骤6分析保留下来的特征值进行方差膨胀因子分析，剔除VIF值大于10或VIF值大于20的特征值；并用优化判别标准进行验证，确定最佳VIF上限值来剔除相应特征值以降低特征矩阵多重共线性；步骤8：确定优化传感器阵列根据步骤7保留下来的特征值，选择对应的传感器，从而获得优化后的传感器阵列。