《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 其他 > 設(shè)計應(yīng)用 > 基于AE-SVM的嗅覺描述符分類
基于AE-SVM的嗅覺描述符分類
信息技術(shù)與網(wǎng)絡(luò)安全
朱紅梅,，駱德漢,，莫卓峰
(廣東工業(yè)大學 信息工程學院，廣東 廣州510006)
摘要： 嗅覺產(chǎn)生于人們對化學物質(zhì)氣味的感知。然而,，由于氣味的復(fù)雜性，人們至今還難以理清嗅覺描述符和各種物理化學參數(shù)之間的映射關(guān)系,。因此,，沒有建立起根據(jù)物理化學特性來預(yù)測化學物質(zhì)的氣味描述的通用方法。設(shè)計了一種基于AE-SVM(Autoencoder- Support Vector Networks,，AE-SVM)的預(yù)測模型,，該模型使用自動編碼器提取質(zhì)譜數(shù)據(jù)的特征，解決質(zhì)譜數(shù)據(jù)高維稀疏的問題,，并用支持向量機進行分類,。結(jié)果表明，AE-SVM利用化學物質(zhì)的質(zhì)譜數(shù)據(jù)成功預(yù)測嗅覺描述符,，并且準確度達到85.71%,，對于理解化學物質(zhì)和嗅覺描述符之間映射關(guān)系具有較為重要意義。
關(guān)鍵詞： 嗅覺描述符 AE-SVM 質(zhì)譜
中圖分類號： TP212.9
文獻標識碼： A
DOI： 10.19358/j.issn.2096-5133.2021.05.009
引用格式： 朱紅梅,，駱德漢,，莫卓峰. 基于AE-SVM的嗅覺描述符分類[J].信息技術(shù)與網(wǎng)絡(luò)安全，2021,，40(5)：51-55.
Classification of odor descriptors based on AE-SVM
Zhu Hongmei,，Luo Dehan，Mo Zhuofeng
(School of Information Engineering,，Guangdong University of Technology,，Guangzhou 510006，China)
Abstract： The sense of smell arises from the human perception of the smell of chemical substances. However, due to the complexity of smell, it is still a challenge to clarify the mapping relationship between odor descriptors and various physical and chemical parameters. Therefore, no general method has been established to predict the odor description of chemical substances based on physical and chemical properties. This research designed a prediction model based on AE-SVM (Autoencoder-Support Vector Networks, AE-SVM). The model uses autoencoders to extract the mass spectrum features, solves the problem of high-dimensional sparse mass spectrum data, and uses support vector machines to perform classification. The results show that AE-SVM successfully predicts odor descriptors by using mass spectra of chemical substances with an accuracy of 85.71%. These findings shed light on understanding the mapping relationship between chemical substances and odor descriptors.
Key words : odor descriptors,；AE-SVM,；mass spectra

0 引言

嗅覺是人類的一種化學感官，它通過感知空氣中的化學物質(zhì)來了解周圍的環(huán)境,。以往的研究表明,，感知到的化學刺激與生物嗅覺系統(tǒng)復(fù)雜的組織結(jié)構(gòu)有關(guān)[1-2]。嗅覺上皮內(nèi)的嗅覺受體神經(jīng)元與分子結(jié)合并向嗅覺神經(jīng)提供電信號時被激活,，信號被傳送到嗅球并在嗅球上形成圖案,。然后，根據(jù)嗅球上的反應(yīng)模式,，在大腦進行與情緒和記憶相關(guān)的綜合信息加工[3],。由于每種類型的嗅覺受體具有不同的分子選擇性，因此出現(xiàn)在嗅球上的刺激模式因分子而異,。也就是說,，對氣味的印象也因分子而異,。

氣味感官評價測試已被廣泛采用，獲得通過語言描述符量化的嗅覺描述符,。嗅覺描述符的提取不僅在食品和化妝品行業(yè),，而且在其他行業(yè)的消費產(chǎn)品評價[4]中都是必不可少的。對大量化學品進行感官評估測試需要大量的時間和資源,，本身是不切實際的,。因此，本研究的目的是通過有限的樣本分析,，建立數(shù)學模型來預(yù)測嗅覺描述符,。質(zhì)譜是化學物質(zhì)具有代表性的物理化學性質(zhì)之一，早期的研究闡明了化學物質(zhì)的氣味與其化學結(jié)構(gòu)之間的關(guān)系[5],。大量的質(zhì)譜數(shù)據(jù)可以用來構(gòu)建嗅覺描述符的預(yù)測模型,。一些研究通過主成分分析(PCA)和非負矩陣分解(NMF)等線性建模方法報道了化學物質(zhì)氣味特征與其理化參數(shù)之間的關(guān)系[6-7]。這些研究表明,，一些基本參數(shù)確實會影響人們對氣味的感知,。由于質(zhì)譜數(shù)據(jù)本質(zhì)上是高維稀疏的，雖然PCA和NMF是眾所周知的預(yù)測建模方法,，但它們不適合高維稀疏的數(shù)據(jù)結(jié)構(gòu),。因此，很難得出這些線性建模技術(shù)與系統(tǒng)完全兼容的結(jié)論,。深度學習建模是非線性建模中最權(quán)威的方法之一，具有廣泛的應(yīng)用前景,。本文設(shè)計AE-SVM來對質(zhì)譜數(shù)據(jù)進行提取特征并完成對嗅覺描述符的分類,。



本文詳細內(nèi)容請下載:http://forexkbc.com/resource/share/2000003551




作者信息:

朱紅梅，駱德漢,，莫卓峰

(廣東工業(yè)大學 信息工程學院,，廣東 廣州510006)


此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載,。