一、研究背景

電子鼻是20世紀(jì)90年代中期發(fā)展起來的一種用于分析、辨識氣味物質(zhì)總體特征的新型檢測儀器。其利用多個具有不同性質(zhì)的金屬氧化物半導(dǎo)體傳感器組合成傳感器陣列，結(jié)合特定的智能自學(xué)習(xí)、自辨識模式 識別算法構(gòu)建的一類嗅覺仿生系統(tǒng)。 當(dāng)一種或多種風(fēng)味物質(zhì)經(jīng)過全自動電子鼻時，該風(fēng)味物質(zhì)的“氣味指紋"可以被傳感器感知并經(jīng)過特 殊的智能模式識別算法提取。利用不同風(fēng)味物質(zhì)的不同“氣味指紋"信息，就可以來區(qū)分、辨識不同的氣 體樣本。某些特定的風(fēng)味物質(zhì)恰好可以表征樣品在不同的原料產(chǎn)地、不同的收貨時間、不同的加工條件、 不同存放環(huán)境等多變量影響下的綜合質(zhì)量信息。因此可以利用電子鼻對不同樣品進(jìn)行辨別區(qū)分。

二、算法介紹

1.主成分分析（PCA）: PCA是在對樣品特性一無所知的前提下，通過對原始數(shù)據(jù)向量進(jìn)行線性變換，從而在一定的視角來尋找樣品間的差異的一種算法。用于挖掘有用的信息，給出具有不同氣味區(qū)域和簇的描述性圖表。該算法不丟失任何樣品信息，僅僅通過改變坐標(biāo)軸來達(dá)到區(qū)分樣品的目的。

2.線性判別分析(linear discriminant analysis，LDA)是對費舍爾的線性鑒別方法的歸納，這種方法使 用統(tǒng)計學(xué)，模式識別和機器學(xué)習(xí)方法，試圖找到兩類物體或事件的特征的一個線性組合，以能夠特征化或 區(qū)分它們。所得的組合可用來作為一個線性分類器，或者，更常見的是，為后續(xù)的分類做降維處理。

3.支持向量機（SVM ，Support Vector Machine）是一類按監(jiān)督學(xué)習(xí)方式對數(shù)據(jù)進(jìn)行二元分類的廣義線性分類器，其決策邊界是對學(xué)習(xí)樣本求解的最大邊距超平面（maximum-margin hyperplane）。在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多優(yōu)勢，并能夠推廣應(yīng)用到函數(shù)擬合等其他機器學(xué)習(xí)問題中。

三、實驗

1.樣品信息

樣品為3種河豚魚肉糜，每個樣品6個平行，其中3個加熱至熟。

2.樣品處理及實驗參數(shù)

檢測時,將樣品裝于進(jìn)樣瓶，附上封口膜，靜置30分鐘以上，根據(jù)固氣平衡及固液平衡原理，一定時間 后樣品揮發(fā)出來的氣體會充滿上部的頂空空間，該過程需保持測試環(huán)境的溫度及濕度一致。每次進(jìn)樣設(shè)定 10ml,預(yù)檢，確定適宜實驗參數(shù)，進(jìn)行正式實驗。樣品檢測參數(shù)見表1。

3. 實驗結(jié)果分析

圖中，橫坐標(biāo)表示第一主成分所占整體信息量的百分比 81.62%，縱坐標(biāo)表示第二主成分所占整體信息量的百分比 12.65%。在圖中主成分 1 和主成分 2 的總貢獻(xiàn)率為 94.27%，基本可以代表樣品全部信息。 圖中，樣品無交叉、邊界明顯，說明樣品差異顯著，電子鼻可對不同的河豚魚肉進(jìn)行區(qū)分鑒別。