A KECA identification method based on GA for E-nose data of six kinds of Chinese spirits

摘要

提出KECA+GA的识别方法。首先提取**积分值(INV)，相对稳态平均值(RSAV)，小波能量值(WEV)**作为电子鼻数据
选择RBF作为KECA的核函数，用矩阵相似度量法和遗传算法分别优化相应参数，在数据降维完成之后使用FDA（Fisher判别分析）对白酒进行分类

介绍

核变换将非线性分类问题转化为线性分类问题，然后利用线性模式识别技术解决复杂的非线性分类问题
KECA主要用于特征选择和数据降维，KECA关键问题是核参数的确定，函数参数优化的方法主要有网格搜索法，矩阵相似法，遗传算法等

实验

数据处理

数据预处理
信号白噪声和环境条件的影响，需要对电子鼻数据进行预处理
基线预处理 消除环境温湿度影响
Savitzky-Golay多项式平滑滤波对信号白噪声进行滤波

特征提取
特征值：积分值(INV) 相对稳态平均值(RSAV) 小波能量值(WEV)

RBF核函数参数值
根据特征值和遗传算法训练出核函数参数值

KECA降维+FDA分类
1.分别利用 矩阵相似度度量和GA更新出核参数
2.将得到的核参数分别计算核矩阵 K1,K2
3.将K1,K2分解为特征值和对应的特征向量
4.计算每个特征值对应的Renyi熵，根据熵值贡献选择前L个特征向量，建立核熵分量矩阵T1,T2
5.根据T1,T2使用FDA进行分类