论文研究tSNELDA算法在仿生嗅觉中的应用研究.pdf

将流形学习中的t-SNE算法引入仿生嗅觉领域中，提出一种基于t-SNE（t-分布邻域嵌入）与LDA（线性判别分析）算法相结合的气味分类鉴定新方法。由PEN3电子鼻获取物质气味特征信息，通过t-SNE算法将非线性、高维度的气味响应数据降维到低维空间，并利用LDA算法对低维数据进行分类和识别。利用五种不同成分的纺织品材料气味信息，通过t-SNE、PCA LDA和t-SNE LDA三种算法做对比实验。实验结果表明，相较于其他两种方法，t-SNE LDA算法对常见的不同成分纺织品材料拥有更好的分类和识别效果，而且t-SNE LDA算法得到的结果具有较小的类内离散度和较大的类间离散度。因此，t-SNE