基于新型QPSO-KELM模型的电子鼻性能增强

提出了一种基于电子鼻（E-nose）技术的多分类细菌检测新方法，称为基于量子行为粒子群优化的核极限学习机（QPSO-KELM）。 在该实验中，从用于检测四种不同类型伤口（未感染和感染金黄色葡萄球菌，大肠杆菌和铜绿假单胞菌）的E鼻信号中提取出时域和频域特征。 此外，将KELM与现有的五种分类方法进行了比较：线性判别分析（LDA），二次判别分析（QDA），极限学习机（ELM），k最近邻（KNN）和支持向量机（SVM）。 同时，讨论了粒子群优化算法（PSO），遗传算法（GA）和网格搜索算法（GS）三种传统的优化方法以及KELM的四个核函数（高斯核，线性核，多项式核和小波核）。实验。 最后，在先前的实验中，QPSO-KELM模型还用于处理另外两个实验性E鼻数据集。 实验结果证明了QPSO-KELM在各种电子鼻应用中的优越性。