2023年第2期仪表技术与传感器InstrumentTechniqueandSensor2023No．2基金项目:国家重点研发计划课题(2021YFB3200403);郑州市协同创新重大专项(20XTZX06013);河南省高等学校重点科研资助项目(20A460022);国家自然科学基金面上项目(52171193);中国博士后科学基金(2021M692926);河南省科技攻关项目(222102310647)收稿日期:2022－08－29基于特征提取与选择的气体识别研究陈博1，王刚1，2，师春雪1，齐国臣3，4，曹仰杰1，田辉1，4，卫荣汉1，3，4(1．郑州大学网络空间安全学院，河南郑州450000;2．汉威科技集团股份有限公司，河南郑州450001;3．郑州大学力学与安全工程学院，河南郑州450000;4．郑州大学智能传感研究院，河南郑州450000)摘要:在电子鼻系统中，特征提取和选择以及分类模型都是其性能改进的关键。针对从传感器阵列中提取单一特征时会忽略传感器特异性的问题，提出基于相关性分析来选择每一个传感器最优的特征提取方法，组成最优特征向量进行气体识别，实验表明:通过该方式提取的特征向量在分类模型中表现更好，在各模型的平均识别准确率提升了0．027，其中支持向量机和人工神经网络提升效果最明显，分别提升了0．031和0．054。并根据模型特性和实际需求，提出逻辑回归与支持向量机结合的二次分类模型，实验表明该模型能够进一步提高分类准确率，降低具体气体检测场景中辨别气体错误的风险。关键词:电子鼻;传感器阵列;特征提取;特征选择;分类模型中图分类号:TP212文献标识码:A文章编号:1002－1841(2023)02－0001－07ＲesearchonGasＲecognitionBasedonFeatureExtractionandSelectionCHENBo1，WANGGang1，2，SHIChun-xue1，QIGuo-chen3，4，CAOYang-jie1，TIANHui1，4，WEIＲong-han1，3，4(1．SchoolofCyberScienceandEngineering，ZhengzhouUniversity，Zhengzhou450000，China;2．HanweiElectronicsGroupCorporation，Zhengzhou450001，China;3．SchoolofMechanicsandSafetyEngineering，ZhengzhouUniversity，Zhengzhou450000，China;4．InstituteofIntelligentSensing，ZhengzhouUniversity，Zhengzhou450000，China)Abstract:Intheelectronicnosesystem，bothfeatureextractionandselectionaswellasclassificationmodelsarethekeystoitsperformanceimprovement．Aimingattheproblemofignoringthesensorspecificitywhenextractingasinglefeaturefromthesensorarray，thispaperproposedtoselecttheoptimalfeatureextractionmethodforeac...
