基于监督局部保留投影的电子鼻原始特征矩阵预处理新技术

已经构造了一个由14个金属氧化物气体传感器和一个电子化学气体传感器组成的电子鼻(E-nose),以识别四种不同类型的伤口感染。 但是,如果直接由分类器处理包含传感器最大稳态响应值的原始特征矩阵,则电子鼻的分类结果并不理想,因此,一种基于监督局部保留投影的新型预处理技术(SLPP)本文提出)处理原始特征矩阵,然后将其放入分类器中以提高E型鼻的性能。 SLPP擅长发现并保持数据的非线性结构; 此外,它可以提供传统的流形学习方法无法达到的显式映射表达式。 此外,我们找到了一些有效的优化方法来优化SLPP和分类器的参数。 实验结果证明,支持向量机(SVM)与SLPP预处理后的数据结合的分类精度优于其他考虑的方法,所有结果都表明SLPP在处理E型鼻原始特征矩阵方面具有更好的性能。