基于主成分分析和人工神经网络的酒类辨识.
需积分: 14 59 浏览量
2013-01-24
22:41:26
上传
评论
收藏 439KB PDF 举报
收稿日期: 2008- 10- 06
作者简介: 王英臣( 1980- ) , 男, 河北邯郸人, 硕士研究生, 从事电子信息与检测技术方向的研究。
文章编号: 1673- 9469( 2009) 02- 0082- 04
基于主成分分析和人工神经网络的酒类辨识
王英臣
( 河北工程大学 科信学院, 河北 邯郸 056038)
摘要: 介绍了人工嗅觉系统对不同酒类样本的定性识别, 尝试利用主成分分析( PCA) 和人工神
经网络( ANN) 中改进的 BP 算法、改进的 RBF 算法( 最近邻 RBF 与 k 均值 RBF 相结合选取中心
的算法) 和 k 均值 RBF 算法, 实现对酒类的定性识别。实验结果表明: 结合 PCA 的 ANN 方式为
模式识别、分类提供了快速准确的辨识方法。
关键词: 人工嗅觉系统; 主成分分析; 人工神经网络。
中图分类号: F224 文献标识码: A
The identification of wine based on PCA and ANN
WANG Ying- chen
( Kex in College, Hebei University of Engineering , Handan 056038, China)
Abstract: The qualitative identification of different wine through artificial electronic nose are introduced.
PCA and ANN( including improved BP algorithm and RBF algorithm combining nearest neighbor - cluster-
ing algorithm and K- means clustering algorithm ) are adopted to realize the identification. The test result
indicated that the rapid and exact identification measure of ANN combining PCA is provided to the pattern
identification.
Key words: artificial electronic nose; PCA; ANN
目前酒类辨识成为一个人工嗅觉系统研究的方
向。酒是多种化学成份的混合物, 这些化学物质可
分为酸、酯、醛、醇等类型。决定酒质量的成份往
往含量很低, 但种类繁多。因此辨识酒类比辨识单
一气体更具难度。H. V. Shurmer, J. W. Gardner
[1- 4]
采
用12 种金属传感器对 5 种醇类进行了分类, 取得较
好的结果。M. Penza, G. Cassano 通过 ANN 对意大利
红酒进行辨识, Mara Luz Rodrguez- Mndez, Alvaro
A. Arrieta, Vicente Parra 等人通过3 组传感器阵列的
融合对红酒多模式辨识。
本文分别用 BP 和 RBF 对原始数据和主成分
分析后的数据进行处理, 均获得满意的分类效果。
从而证明结合主成分分析的人工神经网络为模式
辨识提供了一种有效方法, 同时证明本文提出的
改进的 RBF 算法比 k 均值RBF 算法优越。
1 辨识方法
1. 1 主成分分析( PCA )
主成分分析是利用降维的思想, 把多指标转
化为少数几个综合指标的多元统计分析方法。数
据矩阵 , 包含指定的实验数据。主成分 PC
k
的表
达形式如下:
PCk = a1kX 1j + a2kX 2j + a3kX 3j ( 1)
其中 k 为 主成分 序号, n 为数据的维数, a
ik
为系
数。在 PCA 学习中, 对数据原始矩阵标准化后数
据的相关矩阵
[5]
进行分析, 得到主成分。主成分
分析的主要特点是通过数据坐标轴的变化得到新
的图示- 得分图和负荷图。得分图经常被用来研
究数据聚类、分类。负荷图被用来表示传感器和
每个主成分的相对重要性和它们的相关性。
1. 2 模式识别算法
人工神经网络( ANN) 具有模拟人的部分形象
第 26 卷 第 2 期 河 北 工 程 大 学 学 报 ( 自 然 科 学 版) Vol1 26 No1 2
2009 年 6 月 Journal of Hebei University of Engineering ( Natural Science Edition) Jun12009
评论0
最新资源