基于QPSO的多重KFDA信号处理技术提取电子鼻信号特征

这项研究的目的是提高电子鼻（E-nose）在不同检测应用中的分类精度。 在电子鼻的学习过程中以预测不同气味的类型时，由于从传感器响应中提取的原始特征被视为分类器的输入，而没有进行任何特征提取处理，因此预测准确性不能令人满意。 因此，为了获得更多有用的信息并提高电子鼻的分类准确度，本文提出了加权核Fisher判别分析（WKFDA）和量子行为粒子群优化（QPSO）相结合的方法，即QWKFDA。重新处理原始特征矩阵。 此外，我们还将提议的方法与许多以前存在的方法进行了比较，包括主成分分析（PCA），局部性保留投影（LPP），费舍尔判别分析（FDA）和核仁费舍尔判别分析（KFDA）。 实验结果证明，QWKFDA是一种有效的电子鼻特征提取方法，可预测伤口感染和可燃气体的类型，与对比方法相比，其分类精度更高。