在选择电子鼻和电子舌传感器时,为了保持电子鼻和电子舌获取信号的全面性,常选择具有交互敏感的传感器,使其响应值具有一定的相关性。在电子鼻和电子舌信号联用时,需要对信号进行处理,以消除共线性问题。而主成分分析则是在力求数据信息丢失最少的原则下,对高维的变量空间降维,即研究指标体系的少数几个线性组合,并且这几个线性组合所构成的综合指标将尽可能多地保留原来指标变异方面的信息。通过主成分分析将电子鼻和电子舌联用信号的高维信息降低到一个较易辨识的低维空间,根据其主成分的得分由图形直观地获得各样品的信息,主成分分析在电子鼻、电子舌及其联用信号分析中的应用较为普遍。
在处理电子鼻和电子舌联用信号的研究中,提取主成分的方法适用于对电子鼻或电子舌,主成分分析难以有效区分不同的样品,但其中有一个主成分按照样品特征呈规律性分布,将之分别提取出来重新组合后,绘制两维图,实现样品的有效判别。
Rodríguez-Méndez 等采用气敏传感器、液体传感器和光学传感器监测了6种由同品种、不同产地和老化程度的葡萄酿造的红酒,分别对三种仪器的检测结果进行 PCA 分析,发现其第一主成分均具有较好的区分效果,提取第一主成分并两两组合绘制两维散点图,其区分效果优于单独采用一种信息进行分析。DiNatale 等在对不同新鲜度(室温下敞口放置0天和1天的牛奶)、不同热处理方法[巴氏杀菌(pasteurization)和超高温灭菌(ultra high temperature,UHT)]的牛奶的电子鼻、电子舌及其联用信号进行分析时发现,直接联用数据的判别效果不如单独使用的电子鼻、电子舌进行判别。电子鼻的主成分分析结果中,第一主成分在不同新鲜度的牛奶区分上具有贡献;电子舌的主成分分析结果中,第二主成分具有区分不同热处理方法的能力。分别提取电子鼻主成分分析结果中具有区分度的第一主成分和电子舌主成分分析结果中具有区分度的第二主成分,绘制两维散点图,发现联用分析能将不同新鲜度、不同热处理方法的牛奶正确区分。
主成分分析在不丢失主要信息的前提下,以较少的新变量代替原始变量,直观反映原始数据信息,解决了信息重叠的问题;判别分析则是在已知样品分组的基础上,研究不同总体的性质和特征,根据已知总体的多种观测指标建立判别函数,并以此作为样本划归某一总体的依据,实现种类的判别;支持向量机对小样本具有较强的适应性;神经网络对学习样品典型性的要求使其应用受到一定的影响。因此,主成分分析成为判别电子鼻和电子舌信号联用效果最常用的方法。
首页
