基于信息挖掘技術(shù)的人工嗅覺系統(tǒng)研究.pdf

1、人工嗅覺系統(tǒng)，也稱電子鼻，是一種模擬人的嗅覺系統(tǒng)工作原理而設(shè)計的新型仿生檢測儀器，具有快速穩(wěn)定、成本低廉和無損檢測等優(yōu)勢。隨著計算科學(xué)的快速發(fā)展，利用統(tǒng)計學(xué)和機(jī)器學(xué)習(xí)等方法對人工嗅覺系統(tǒng)的信號中相關(guān)信息進(jìn)行數(shù)據(jù)挖掘，從而實現(xiàn)對復(fù)雜樣本定量和定性分析，已成為研究的熱點之一。
　　分類是人工嗅覺系統(tǒng)數(shù)據(jù)挖掘技術(shù)主要的類型之一。常規(guī)的分類方法只給出預(yù)測結(jié)果，缺乏對預(yù)測結(jié)果的可靠性評估，即對預(yù)測結(jié)果的可信程度的評估以及對該評估有效性的保障

2、。概率預(yù)測算法，如Na(i)ve Bayes，Logistic Regression等，可以提供預(yù)測結(jié)果正確的概率。然而，這些算法過度依賴樣本分布模型的假設(shè)，一旦假設(shè)的模型不正確，則預(yù)測的概率不準(zhǔn)確，可靠性評估的有效性無法保證。分類正確率是系統(tǒng)整體預(yù)測結(jié)果可靠性的評價指標(biāo)，但由于氣敏傳感器漂移等因素導(dǎo)致，人工嗅覺系統(tǒng)最初建立的模型在一段時間后性能很有可能會下降，因此可靠性評估的有效性無法保障。
　　一致性預(yù)測(Conformal

3、prediction)和韋恩預(yù)測(Venn machine)方法是最近提出的用于預(yù)測結(jié)果的可靠性評估的機(jī)器學(xué)習(xí)算法。這兩種方法都是很有彈性的算法框架，任何機(jī)器學(xué)習(xí)算法經(jīng)過改造都可以作為他們的底層算法。他們既可以為單個預(yù)測結(jié)果也可以為整體預(yù)測結(jié)果提供可靠性評估。只要樣本滿足簡單的獨立同分布假設(shè)(I.I.D assumption)，則可靠性評估的有效性從理論上得到保障。
　　人參在中國傳統(tǒng)醫(yī)學(xué)中極具藥用價值，但市場中摻假和以次充好的情

4、況頻發(fā)。人參鑒別通常依據(jù)專家組的判斷，鑒定過程費時費力，且鑒定結(jié)果的可靠性依賴專家的經(jīng)驗。精油是自然界植物中提取揮發(fā)性芳香物質(zhì)，在日常生活中應(yīng)用廣泛且種類繁多。基于分析化學(xué)方法的檢測過程復(fù)雜且成本較高。肺癌已成為癌癥死亡的主要原因，死亡數(shù)量逐年增加。肺癌診斷最權(quán)威的方法是活體組織切片。但該方法對人體傷害極大，且短時間內(nèi)無法重復(fù)檢測。研究表明，肺癌的早期篩查能夠大大降低肺癌的死亡率.目前已有的檢測技術(shù)復(fù)雜且費用高昂，難以大面積推廣。因此，

5、人參類別鑒定、精油類別鑒定和肺癌診斷都亟需一種性能穩(wěn)定、快速簡便、成本低廉且無損的檢測方法。
　　本文以人參類別鑒定、精油類別鑒定和肺癌診斷為例，對人工嗅覺系統(tǒng)預(yù)測的可靠性進(jìn)行研究。本文使用自主設(shè)計的人工嗅覺系統(tǒng)，引入一致性預(yù)測和韋恩預(yù)測算法，在離線模式和在線模式下，對人參樣本、精油樣本和肺癌診斷樣本進(jìn)行預(yù)測，對預(yù)測結(jié)果進(jìn)行可靠性評估，對可靠性評估的有效性進(jìn)行分析和討論。本研究對基于人工嗅覺系統(tǒng)的復(fù)雜樣本預(yù)測的可靠性研究具有重要意

6、義。除此之外，為了提高對人參樣本的預(yù)測性能，本文將人工嗅覺系統(tǒng)與近紅外光譜系統(tǒng)聯(lián)用，提出一種特征級和一種決策級的數(shù)據(jù)融合方法進(jìn)行數(shù)據(jù)挖掘。本文主要的研究內(nèi)容和成果如下:
　　設(shè)計以金屬氧化物半導(dǎo)體氣敏傳感器陣列為核心的人工嗅覺軟硬件系統(tǒng)，實現(xiàn)樣本測試流程的自動控制。對人參、精油、和肺癌診斷樣本進(jìn)行制備和測試。
　　針對人工嗅覺系統(tǒng)預(yù)測的可靠性研究，首次引入一致性預(yù)測算法框架?；趉-最近鄰(KNN)和支持向量機(jī)(SVM)構(gòu)造

7、三種一致性預(yù)測器(CP-1NN，CP-3NN和CP-SVM)，在離線和在線模式下對人參樣本、精油樣本進(jìn)行預(yù)測，并與1NN，3NN和SVM預(yù)測結(jié)果進(jìn)行比較。離線模式下，一致性預(yù)測器進(jìn)行強(qiáng)制預(yù)測（輸出單一預(yù)測值）時，對人參和精油樣本分別獲得最優(yōu)分類率為85.71％(CP-1NN)和96.17％(CP-1NN)。同時，一致性預(yù)測器為每個預(yù)測結(jié)果提供了可靠性評估。在線模式下，一致性預(yù)測器的預(yù)測結(jié)果中錯誤區(qū)域預(yù)測的比例不超過預(yù)設(shè)的顯著性水平（由用

8、戶定義）。說明整體區(qū)域預(yù)測結(jié)果的可靠性評估是有效的。對三種一致性預(yù)測器在特定顯著性水平下的預(yù)測結(jié)果的精確度以及空預(yù)測、單一預(yù)測和多預(yù)測的特點進(jìn)行了分析和討論。
　　針對人工嗅覺系統(tǒng)的可靠性研究，首次引入韋恩預(yù)測算法框架?；诔Ｒ?guī)概率預(yù)測方法，Na(i)ve Bayes，Softmax Regression和Platt's Method，構(gòu)造三種韋恩預(yù)測器(VM-NB，VM-SR，VM-SVM)，在離線和在線模式下對人參樣本、肺癌診

9、斷樣本進(jìn)行概率預(yù)測，同時與三種常規(guī)概率預(yù)測的預(yù)測結(jié)果在分類準(zhǔn)確率和概率預(yù)測有效性方面進(jìn)行比較。離線模式下，韋恩預(yù)測器對人參和肺癌診斷樣本獲得最優(yōu)分類率分別為86.35％(VM-SVM)和97.22％(VM-SR)。同時，提供每個預(yù)測結(jié)果預(yù)測正確的概率區(qū)間。韋恩預(yù)測器概率預(yù)測結(jié)果的有效性指標(biāo)優(yōu)于相應(yīng)的常規(guī)概率預(yù)測方法，且預(yù)測的概率區(qū)間和實際觀測到預(yù)測正確的概率是一致的，說明了韋恩預(yù)測結(jié)果的有效性。韋恩預(yù)測的概率區(qū)間寬度非常窄，接近于單一概

10、率預(yù)測值。在線模式下，韋恩預(yù)測器仍然輸出可靠的概率區(qū)間，且隨著訓(xùn)練集樣本數(shù)量的增加，概率區(qū)間的分布不斷上移，概率區(qū)間的寬度不斷減小，即韋恩預(yù)測器的精確度不斷提高。
　　將人工嗅覺系統(tǒng)與近紅外光譜組成的混合系統(tǒng)用于人參樣本的分類。針對兩個系統(tǒng)特征數(shù)量不平衡的特點，提出加權(quán)的特征級數(shù)據(jù)融合方法，獲得99.58％的分類率。結(jié)合概率預(yù)測和Dempster-Shafer證據(jù)理論提出決策級數(shù)據(jù)融合方法，獲得99.24％的分類率。兩種數(shù)據(jù)融合方