基于域自适应的电子鼻系统中传感器漂移补偿算法研究

发布时间：2021-04-11 15:05

　　在过去的二十几年中,电子鼻系统已经在环境、农业监测和医学诊断等领域有了广泛的应用。但是,在电子鼻的长期使用过程中,传感器的灵敏度会随着环境因素、自身老化、中毒发生改变,因此当相同的气体在不同时间通入电子鼻中时,传感器的响应将随之变化,即发生了传感器的漂移,致使电子鼻的应用受到限制。因此论文主要研究电子鼻系统中传感器的漂移补偿算法,以提高电子鼻的使用寿命。传感器漂移致使先前收集数据（未漂移数据）和后收集数据（漂移数据）的统计分布不一致,进而导致模式识别预测精度下降,故论文解决的问题为如何使未漂移数据建立的模式识别模型能够更好的在漂移数据上应用。论文围绕提高模式识别精度这一目标,假设未漂移数据为源域,漂移数据为目标域,从域自适应对齐数据分布的角度出发,针对目标域有少量的标记样本和目标域仅有无标记样本两种场景对漂移补偿算法展开研究,主要研究内容如下:1.针对目标域有少量标记样本的场景,论文给出一种基于对抗学习估计域不变原型的漂移补偿算法。该算法的基本模型包含一个由神经网络构成的特征提取器和分类器,并利用熵计算未标记目标域样本特征和估计原型（每一类的表示）的相似度。为了提取目标域可区分性特征,... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：71 页

【学位级别】：硕士

【部分图文】：

电子鼻系统结构图

生成生成器

重庆邮电大学硕士学位论文第3章基于对抗学习估计域不变原型的漂移补偿算法23图3.1基于对抗学习域不变原型的网络框架本模型的主要思想是通过最小化估计原型（分类器的权重向量）和相邻的无标记目标域样本之间的距离提取目标域更加具有区分性的特征。那么本模型的主要问题为如何利用有限的目标域标记样本估计域不变原型。其中估计原型由源域样本和标记的目标域样本学习得到，由于训练样本中大多数为源域样本，故该原型主要由源域支配，并更匹配源域样本的分布。为了估计域不变的原型，将权重向量移向目标域特征分布。未标记目标域样本的熵表示估计原型和未标记目标样本特征之间的相似度。根据熵的准则可知，熵越大则表明目标域样本特征与所有的估计原型越相似。因此，首先将权重向量移向目标域样本且最大化未标记目标样本的熵，这时可视估计原型为域不变的原型。其次，更新特征提取器以使未标记目标域样本的熵最小化，从而使目标域样本更好地聚集在原型周围。上述过程可以视为权重向量和特征提取器之间的极大极小化过程（即对抗学习过程），而整个极大极小化过程可以通过一个梯度反转实现。3.3.3基于余弦相似度的分类器标准的神经网络分类器通常由样本经过特征提取器获得特征表示，再将输入到一个权重矩阵为分类器，并通过点积操作计算样本属于每种类别的分数：(3.6)特征提取器F分类器CSoftmax-H(p)交叉熵损失余弦距离梯度反转有标签数据目标域无标记数据有标签数据数反向传播目标域无标记数据的反向传播zz12[,,....,]kW=wwwk[1,...,K]ksTkks=zw

【参考文献】：
期刊论文
[1]电子鼻检测辐照肉鸭产品的挥发性风味物质[J]. 冯敏,汪敏,常国斌,张扬,赵永富.  核农学报. 2019(06)
[2]电子鼻技术在果蔬检测中的应用[J]. 贾文珅,李孟楠,王亚雷,梁刚,满燕,潘立刚.  食品安全质量检测学报. 2016(02)
[3]基于集成气敏传感器阵列的电子鼻系统环境响应特性分析[J]. 杨建华,候宏,王磊,刘福.  传感技术学报. 2002(03)
[4]金属氧化物半导体电阻型气敏传感器作用机理[J]. 徐毓龙,曹全喜,周晓华.  传感技术学报. 1992(02)

硕士论文
[1]基于深度信念网络的气体传感器漂移补偿[D]. 罗宇.重庆大学 2017



本文编号：3131475