·180 智能系统学报 第8卷 如下： 限度地表征原变量的数据信息，是原变量的线性组 斥=y-b 合.从每种白酒中随机选择5个样本组成20组样本 %-d' 进行主成分分析，样本前2个主成分得分图如图6 ba-yh kn=Gh - 所示，前5个主成分的贡献率分别为70.73%、 12.39%、8.23%、6.76%和1.04%，累计贡献率为 式中：k,和k分别是响应阶段斜率和恢复阶段斜 70.73%、83.12%、91.35%、98.11%和99.15%. 率，(a,b)和(x,y)分别是曲线响应阶段起始点 表1部分特征值数据 和响应稳定点，(，ya)和(a6,b.)分别是曲线恢复 Table 1 Some of the eigenvalue data 阶段稳定点和恢复阶段起始点，可通过ime= 斜率 温度湿度 (180s/3000)×dianshu公式将点数转换成时间.斜 编号 稳态值 响应 恢复 /℃ /RH 率计算中各点坐标采用差值法自动获取.稳态响应 值及斜率特征自动计算示意图如图5所示. 2.497 0.046 -0.027 H1 24.471.6 TGS2611 TGS2611 TGS2600 3.5 w,3.1069 3.107 0.045 -0.059 H6 25.457.7 TGS2620 TGS2610 TGS2611 k=-0.028 >2.5 2.585 0.061 -0.061 2.0H =0.0724 N5 25.258.2 TGS2610 TGS2602 TGS2611 1.5 1.0 3.152 0.048 -0.034 N17 25.459.3 0.20 2023010 TGS2600 TGS2611 TGS2600 1015 点数 2.454 0.096 -0.027 S8 25.556.3 图5稳态响应值及斜率特征值提取 TGS2611 TGS2620 TGS2620 Fig.5 The steady state response values and feature ex- 2.404 0.082 -0.031 traction of gradient S20 25.459.2 TGS2602 TGS2610 TGS2620 从图5可以发现，由于横、纵坐标的不对应，斜 率值很小，比如k.=0.0724与0.=3.1069相差40 2.835 0.110 -0.053 Y_18 25.467.6 多倍；如果不对其进行处理，直接将它们作为识别模 TGS2602 TGS2600 TGS2611 型的输入数据，必定影响识别结果的准确性.因此， 3.120 0.110 -0.024 Y_19 25.567.6 对斜率值扩大100倍，并将负值取正，如：0.0724调 TGS2620 TGS2600 TGS2600 整后为7.24，-0.0281调整后为2.81. 此外，系统显示的温湿度值数值较大.如H_1 样本分别为24.4℃和71.6RH,与稳态值和处理后 的斜率值不匹配，因此，对它们进行单独归一化处 理.对80个样本数据采取前述的预处理和特征提取 方法进行处理，每个样本获得5个稳态响应值、10 -1 个斜率值2个温湿度数值，总共形成17个输入参 +牛栏山 尔 -2 量.从4种白酒中每种随机选择2个样本，每个样本 *省接行 ?迎驾人曲 列出阵列中某一个传感器的稳态值、响应阶段斜率 210】234 和恢复阶段斜率及温湿度共5个数据，如表1所示 第一主成分（贡献*70.7307%） (H编号代表海之蓝、N_编号代表牛栏山、S_编号代 图6P℃1和PC2主成分得分 表省接待、Y编号代表迎驾，为了显示的直观性，表 Fig.6 The chart of principal component score 1数据未处理，均为原始数据) 由图6可见，前2个主成分累计贡献率达 2.3气味数据主成分分析 83.12%,已能达到分类要求.而这之后，随着主成分 17个输人量之间存在一定的相关性，可以利用 数量的增加，累计贡献率增加相当缓慢，所以每个白 主成分分析实现降维，即通过对数目较多的特征向 酒样本的电子鼻气味数据可以用前2个主成分代替. 量进行变换得到数目较少的新变量，新变量能最大