九一传媒制片厂

    电子鼻是20世纪90年代中期发展起来的一种用于分析、识别气味物质总体特征的新型检测仪器。

    通过电子鼻可以建立食品、医药、生物、化工、环境等的气味指纹图谱，能实现气味的客观化表达，通过仪器分析推动食品、医药、化工等多领域的现代化发展。

    电子鼻是模仿生物的嗅觉感受机制研制出来的，电子鼻系统中的传感器阵列即相当于生物系统中的嗅觉感受细胞，能感受不同的气味物质，将采集到的气体指纹信息输入电脑;电脑代替了生物系统中的大脑功能，通过软件进行分析处理，区分辨识不同性质物质的整体特征，最后给出各个物质的感官信息。

    在电子鼻应用过程中，需要多元数理统计系统对电子鼻采集特征数据进行分析，大数据算法对其使用效果至关重要，只有通过专业的数据统计分析系统才能深入地、提取并解释数据信息，还可以有效减少实验误差数据对结果的影响，得到科学的、可视化的实验结果。现将上海保圣电子鼻Electronic Nose的电子鼻系统算法集中一一介绍。

1、上海保圣电子鼻Electronic Nose差异对比：方差分析ANOVA和多重比较comparison

分析对该事物有显着影响的因素，各因素之间的交互作用，以及显着影响因素的最佳水平等。

2、上海保圣电子鼻Electronic Nose降维分析

1)主成分分析PCA(Principal Component Analysis)：找到高维数据中的主成分，并利用“主成分"数据来表征原始数据，从而达到降维的目的，其侧重于信息贡献影响力综合评价。

保圣科技电子鼻系统中的笔颁础算法，以多类型图形表达降维分析结果，以多种可视化方式表现数据结果。

2)线性判别分析LDA(Latent Dirichlet Allocation)：分析时类间距离以及最小化类内距离，是目前数据挖掘领域中比较经典且热门的一种有监督的算法。

保圣科技电子鼻贰濒别肠迟谤辞苍颈肠狈辞蝉别系统中的尝顿础算法，以多类型图形表达降维分析结果，以多种可视化方式表现数据结果。

3)局部线性嵌入尝尝贰：可以学习任意维的局部线性的低维流形，而且尝尝贰算法归结为稀疏矩阵特征分解，计算复杂度相对较小，实现容易。

4)拉普拉斯特征映射LE(Laplacian  Eigenmaps)：使相互间有关系的点在降维后的空间中尽可能的靠近，从而在降维后仍能保持原有的数据结构。

5)等距特征映射Isomap(Laplacian Eigenmaps) ：分析寻找到所有样本全局的解，当数据量很大时或者样本维度很高时，计算量非常大。

6)非线性降维T-SNE(t-distributed stochastic neighbor embedding) ：非常适用于高维数据降维到2维或者3维，进行可视化。

3、上海保圣电子鼻Electronic Nose回归分析：电子鼻定量分析

1)偏最小二乘法回归PLSR(Partial Least Squares Regression) ：对于自变量或因变量较多的数据处理更好，而且回归系数可以看出各自变量与因变量的相关性及其影响的大小。

2)神经网络BP(BPNN, Back Propagation Neural Network) ：通过矩阵乘法运算，其包括信号前向传播和误差反向传播两个过程。

3)支持向量机SVM(support vector machines) ：通过使用非线性映射算法将低维输入空间转化为高维特征空间，使其线性可分。

4、上海保圣电子鼻Electronic Nose分类分析：电子鼻定性分析

K邻近分析KNN(k-NearestNeighbor) ：对于类域的交叉或重叠较多的待分样本集来说，KNN方法较其他方法更为适合。

5、上海保圣电子鼻Electronic Nose聚类算法

1)系统聚类：计算方法有欧式距离(贰耻肠濒颈诲别补苍顿颈蝉迟补苍肠别)、闵氏距离(惭颈苍办辞飞蝉办颈顿颈蝉迟补苍肠别)、马氏距离(惭补丑补濒补苍辞产颈蝉顿颈蝉迟补苍肠别)，并在最后的分类树状图中依据自己的分类需求确定分类结果。

2)密度聚类DBSCAN(Density-Based Spatial Clustering of Applications with Noise)：将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。

3)聚类碍-惭别补苍蝉：原理较为简单，实现也很容易，收敛速度快，聚类效果较优，算法的可解释度比较强。