一、研究背景

電子鼻是20世紀90年代中期發(fā)展起來的一種用于分析、辨識氣味物質總體特征的新型檢測儀器。其利用多個具有不同性質的金屬氧化物半導體傳感器組合成傳感器陣列，結合特定的智能自學習、自辨識模式 識別算法構建的一類嗅覺仿生系統(tǒng)。 當一種或多種風味物質經(jīng)過全自動電子鼻時，該風味物質的“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。利用不同風味物質的不同“氣味指紋”信息，就可以來區(qū)分、辨識不同的氣 體樣本。某些特定的風味物質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量信息。因此可以利用電子鼻對不同樣品進行辨別區(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，僅僅通過改變坐標軸來達到區(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，模式識別和機器學習方法，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)督學習方式對數(shù)據(jù)進行二元分類的廣義線性分類器，其決策邊界是對學習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，并能夠推廣應用到函數(shù)擬合等其他機器學習問題中。

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。每次進樣設定 10ml,預檢，確定適宜實驗參數(shù)，進行正式實驗。樣品檢測參數(shù)見表1。

3. 實驗結果分析

圖中，橫坐標表示第一主成分所占整體信息量的百分比 81.62%，縱坐標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行區(qū)分鑒別。