最新电子鼻数据的特征选择
MOS型电子鼻关键问题研究及其应用
MOS型电子鼻关键问题研究及其应用摘要：本文研究了MOS型电子鼻的关键问题及其应用。
首先介绍了MOS型电子鼻的组成和原理，探讨了气敏元件材料、传感器结构和信号处理等关键技术。
在此基础上，分析了电子鼻在食品安全监测、环境污染检测、医疗诊断等领域的应用现状和未来发展方向。
研究结果表明，MOS型电子鼻具有高灵敏度、选择性和稳定性等优点，在多个领域得到了广泛应用和推广。
关键词：MOS型电子鼻；气敏元件；传感器结构；信号处理；应用一、引言近年来，人工智能、物联网等新兴技术的迅速发展，带动了传感器技术的快速发展。
特别是电子鼻技术，应用越来越广泛。
电子鼻是模拟生物嗅觉系统的一种人工嗅觉技术，具有异于其他技术的优越性。
目前，常规的电子鼻有光学、电化学、晶体管等类型，但由于内部光阴极灵敏度不够高，滤光玻璃带来的损失较大，使得精度上有所欠缺。
与之相比，MOS型电子鼻由于具有高灵敏度、选择性和稳定性等特点，已成为研究的热点。
二、MOS型电子鼻组成和原理MOS型电子鼻主要由传感器材料、电路模块、信号处理模块、显示模块等几个部分组成。
传感器材料是实现检测和识别的关键，主要包括气敏元件、纳米气体传感器、电容加热器等，其中气敏元件是MOS型电子鼻中最常用的传感器材料。
MOS型电子鼻的原理是通过气敏元件的电阻、电容、电感等物理参数的变化，实现对环境空气成分的感知和识别。
气敏元件是一种半导体材料，具有良好的响应特性，当环境中的有害气体、臭味等进入气敏元件时，会引起材料内部的电阻、电容、电感等物理参数的变化。
这种变化被采集到电路中，经过信号处理后，就可以得到相应的识别结果。
三、MOS型电子鼻的关键技术问题1.气敏元件材料：气敏元件是MOS型电子鼻中最关键的部分，其灵敏度、选择性和稳定性都至关重要。
常用的气敏元件材料包括SnO2、ZnO、TiO2等金属氧化物半导体材料。
要想提高气敏元件的灵敏度和选择性，需要优化材料的制备方法，同时控制材料的结构和形貌，以优化其表面的化学反应活性。
电子鼻的原理、应用现状及前景展望
电子鼻的原理、应用现状及前景展望辛松林1杨妍2（1.四川烹饪高等专科学校，四川成都610072；2上海雪国高榕生物技术有限公司，上海奉贤201401）摘要：气味指纹检测技术又被称为电子鼻技术，是近十年来快速发展起来的一个新兴事物。
本文综述了电子鼻的检测原理、仪器组成、特点、应用现状及前景，有助于各界对电子鼻更全面、深入的了解和认识。
关键词：电子鼻；气味；传感器电子鼻是一种气味指纹检测方法，其检测结果所显示的图谱又被称为气味指纹图谱，是近十年来快速发展起来的一个新兴事物，主要利用气味传感器、数据处理设备和分析软件组成的装置，它以气体为分析对象，通过模拟人的嗅觉系统对待检气味捕捉和检测，因此这种气味指纹检测装置被形象的称为电子鼻，这种气味指纹检测技术又被称为电子鼻技术。
该技术是利用气体传感器阵列的响应曲线来识别气味的电子系统。
电子鼻与普通的化学仪器，如色谱仪、光谱仪等不同，得到的不是被测样品各种成分的定性和定量结果，而是样品中挥发成分的整体信息。
目前，技术较成熟电子鼻系统有英国Neotronics system和AromaScansystem、法国Alpha MOS系统、日本Frgaro、中国台湾Smell和KeenWeen等，它不仅可以对不同样品的气味信息进行简单的比对分析，而且可以通过采集标样信息建立数据库，利用化学计量学的统计分析方法对未知样品进行定性和定量分析，具有快速、便捷的特点。
1.电子鼻的检测原理l994年，英国Warwiek大学Gardner和Southampton大学Bartlett使用“电子鼻”这一术语并定义为“电子鼻是一种由具有部分选择性化学传感器阵列和适当模式识别系统组成、能识别简单或复杂气味仪器”。
电子鼻又称气味扫描仪，在检测时充分发挥其客观性、可靠性和重现性等优点，主要用以识别、分析、检测一些会挥发成分。
1.1仪器组成电子鼻检测装置主要由传感器、计算机、进样装置、气体处理装置所组成。
2024年电子鼻市场发展现状
2024年电子鼻市场发展现状摘要电子鼻技术是一种通过模拟人类嗅觉系统来检测和识别气味的新型技术。
目前，电子鼻在各个领域都有着广泛的应用，从食品行业到环境监测，都可以看到电子鼻的身影。
本文将对电子鼻市场的发展现状进行分析，包括市场规模、主要应用领域、主要厂商和技术趋势等方面。
1. 引言电子鼻是一种利用传感器和模式识别技术模拟人类嗅觉系统的技术。
它可以检测和识别各种气味，具有快速、准确的特点，而且不受环境和人为因素的影响。
由于其广泛的应用前景和巨大的商业价值，电子鼻市场近年来蓬勃发展。
2. 市场规模根据市场研究机构的数据显示，电子鼻市场正呈现出快速增长的态势。
据预测，到2025年，全球电子鼻市场规模将达到xx亿美元。
市场增长的主要驱动因素包括增加的需求和技术进步。
随着电子鼻技术的不断成熟和应用领域的扩大，电子鼻市场有望进一步扩大。
3. 主要应用领域目前，电子鼻已经在多个领域得到了广泛的应用，并取得了一些显著的成果。
3.1. 食品行业电子鼻在食品行业有着重要的应用。
通过检测食品的气味，可以判断食品是否新鲜、是否存在有害物质等。
这对于食品质量的监测和食品安全的保障都具有重要意义。
3.2. 医疗领域电子鼻在医疗领域也有着广泛的应用前景。
通过检测人体气味，可以进行早期疾病诊断和健康监测。
例如，电子鼻可以检测出肺癌等疾病的特殊气味，从而实现早期诊断，提高治疗效果。
3.3. 环境监测电子鼻在环境监测领域也得到了广泛的应用。
通过检测环境中的气味，可以判断空气质量、水质污染等情况，为环境保护和污染治理提供有力的支持。
4. 主要厂商目前，国内外有许多公司在电子鼻领域进行研发和生产。
以下是一些主要的厂商：•ABC公司：专注于食品领域的电子鼻研发和生产，已在国内市场占据领先地位。
•XYZ公司：在医疗领域拥有相关专利技术，产品在国际市场上有一定影响力。
•123公司：致力于环境监测领域的电子鼻技术开发，已取得一些重要的研究成果。
特征选择在电子鼻系统阵列优化中的应用
关键 词 ：阵列优化 ； 特征 选择 ； 可燃性液体 ； 搜索算法 ； 类别 可分性 准则
中图分类号 ：Ｔ ２ ２ Ｐ １ 文献标识码 ：Ａ 文章编号 ：ｌ Ｏ －９ ８ （ ０ ８ ０ －０ １ －０ Ｏ ０ ７ ７ ２ ０ ）２ １４ ４
ｓ ｅ ｔ ｎ ｏ ｓ ｓ ｅ ｅ ｃ ｌｅ ｔ ｐ ｉ ｉａｉｎ ｒ ｐｅｔ ａ ｓ ｅ ｅ ｔ ｌ ａ ｔ ｉ ｉ ｔ ｓ ｘ ｅ ｍｅ ｔ ｔ ｕｓ ａ ｉ ｅｌｃｉ ｐ ｓ ｅ ｓ ｓ ｘ ｅ ｌｎ ｏ ｔｍ ｚ ｔｏ ｐ ｏ ｒｙ ｎｄ ｐ ｎｄ ｄ ｈｅ ｅ ｓ ｔｍｅ ｎ ｈｉ ｅ ｐ ｒ ｏ ｉ ｎ ， ｈ ｈ ｖｎｇ
ｇ ｎ ｒ ｉ ｄ ｓ ｑ ｅ ｔ ｌｆｒ ｉ ｅｅ ｔ ｎ ａ ｄ ｒ ｎ ｏ ｓ ａ ｃ ｉ ｇ ａｇ ｒｔ ｍ， ｄ ｔ ｅｒ ｐ ｒｏ ａ ｃ ｓ ａｅ ｃ ｍｐ ｅ ． ｅ ｅ ａ ｚ ｅ ｕ ｎ ｉ ｏ ｗａｄ ｓ ｌｃ ｉ ｎ ａ ｄ ｍ ｅ ｒ ｈ ｎ ｌ ｏ ｈ ａ ｈ ｉ ｅ ｒ ｎ ｅ ｏ ａ ｄ ｌ ｅ ａ ＇ ｏ ｉ ｎ ｆ ｍ ｒ ｒ Ｆ ｖ ｉ ｄ ｆ ｌｓ ｅ ａ ａｉｅ ｃ ｔｒｏ ｒ ｏ ａ ｅ ｅ ｅ ａ ｌ Ｒｅ ｕ ｔ ｈ ｗ ａ ｅ ｅ ａｉｅ ｅ ｕ ｎ ｉ ｒ ａ ｄ ｉｅ ｋ ｎ ｓ ｏ ａ ｓｓ ｐ ｒｔ ｒ ｅ ｎ ａ ｅｃ ｍｐ ｄ ｈ ｒ ｓｗｅ１ ｃ ｖ ｉ ｉ ｒ ． ｓ ｌ ｓ ｏ ｔ ｔｇ ｎ ｒ ｚ ｄ ｓ ｑ ｅ ｔ ｆ ｗ ｓ ｈ ｌ ｌ ａ ｏ ｒ
Ａｐ ｉ ａ ｉ ｎ ０ ｅ ｔ ｅ ｓ ｌｃ ｉ ｎ ｉ ｅ ｓ ｒ ａ ｒ ｙ ｐｌｃ ｔｏ ｆｆ ａ ｕｒ ｅ ｅ ｔ０ ｎ ｓ ｎ ｏ ｒ ａ
电子鼻信号的特征提取研究
题目：电子鼻信号的特征提取研究目录摘要 (1)Abstract. (1)第一章绪论 (2)1.1引言 (2)1.2电子鼻技术及其特征提取方法的研究现状 (2)1.2.1 电子鼻技术概述 (2)1.2.2 电子鼻技术的发展和研究现状 (3)1.2.3 特征提取技术的研究现状.............................................. 错误！未定义书签。
1.3课题的主要研究内容和研究意义 (5)1.3.1 课题的主要研究内容 (5)1.3.2 课题的研究意义 (5)第二章电子鼻系统 (7)2.1人工嗅觉 (7)2.2传感器阵列 (7)2.2.1 气敏传感器主要特性 (7)2.2.2 气敏传感器基本分类 (9)2.2.3 气敏传感器阵列 (10)2.3 电子鼻系统信号预处理方法 (10)2.4模式识别算法 (11)第三章电子鼻系统中特征提取方法的研究 (14)3.1引言 (14)3.2RBF人工神经网络 (18)3.2.1RBF人工神经网络基本原理 (18)3.2.2RBF人工神经网络算法描述 (19)3.3特征提取研究 (15)第四章结论与展望 (22)致谢 (24)电子鼻信号的特征提取研究摘要：众所周知，电子鼻是近十年来兴起的一种新兴技术，是一种模仿生物嗅觉系统的智能装置，通过该装置能够可靠快速的对气味进行辨别，目前被广泛应用于农业、医疗、环境检测等行业。
特征提取的方法很多，主要有三种，每一种方法都有各自不同的特点，提取的特征也不相同，提取效果也不尽相同，由此可见，研究先进的特征提取方法对于电子鼻信息的提取具有相当高的理论研究意义和实际应用价值。
本文探讨了电子鼻特征提取的问题，完成了电子鼻信号的不同特征提取方法的分析，并且的话，用径向基神经网络来验证电子鼻信号的不同特征提取方法得到的特征对后续模式识别的效果，包括电子鼻信号的不同特征提取方法、不同特征对识别率的影响。
食醋电子鼻检测中一种特征参量评价方法
Fig.1
图 1 传感器阵列对建洛桶装样品响应的去基准曲线 Baseline removing curves of sensor array response to barrelled Jianluo vinegar
2
去基准处理与特征提取
即样本响应值减去空载响应平均值。计算公式为
2.1 去基准处理 SnO2 气敏传感器易受环境因素的影响， 为了减少 温、湿度的影响，采用最为简单的去基准处理方法，
样本响应值中的第 i 个采集值；f(t)为响应信号曲线 函数，t 为测试信号响应时间，s；t0 为将要达到稳 态时所对应的时间，此处为 1 400 s；Δt 为相邻两个 采集点之间的时间间隔(Δt=1 s)；ajk 为信号在第 3 层的第 j 个节点的分解系数；n 为信号在第 3 层的 第 j 个节点的分解系数的总个数。
第3期
于慧春等：食醋电子鼻检测中一种特征参量评价方法 表 1 试验材料 Table 1 Test materials
食醋全称 建洛纯米 醋五年陈 酿桶装 来福老醋 二年陈酿 桶装 紫林陈醋 二年陈酿 桶装 食醋 简称 建洛 桶装 原料 水、小米、 麸皮、大曲 总酸质量浓度 ≥3.5 g/100 mL 发酵 方式
rhc
(h h )(c
i 1 i
m
i
c )
(m 1) S h Sc
（8）
式中，ci 为传感器阵列在采集点 i 处所得的数据向 量，hi 为对应于 ci 的特征向量；m 为所有样本的总 采集点数，由于有 120 个样本，每个样本采集 1500 个点，此处 m=180 000； c 、 h 为所有样本采集数 据的平均向量以及特征平均向量 1 m 1 m c ci ， h hi （ 9） m i 1 m i 1 Sh、Sc 分别为特征和采集数据的标准差向量：
电子鼻数据的特征选择知识讲解
电子鼻数据的特征选择电子鼻数据的数据处理方法报告：电子鼻是模仿生物鼻工作原理的一种电子系统，其工作过程可以简单的归纳为：气敏传感器阵列对待测气体进行信号采集，经信号预处理单元整理采集的数据，然后送入模式识别单元进行训练学习，学习完成后即可实现对待测气体成分的定性或定量的识别。
典型的电子鼻系统结构如下图所示：信号预处理模块主要是对传感器采集的数据进行一些预处理，减少各种各样的干扰措施，并对处理之后的信号进行特征采集，采集的特征应用于模式识别模块。
模式识别模块是整个系统的核心。
用于电子鼻系统的常见的模式识别方法有统计模式识别方法和人工神经网络方法。
前者主要有Bayes、线性判别函数、非线性判别函数、SVM、K-近邻法等；后者主要有感知器算法、BP网络、径向基函数RBF神经网络等。
下面就信号的预处理和数据的特征提取进行相关的总结。
数据的预处理对同一种样品，传感器对其需要测量多次。
在测量中，很难保证每次测量的条件是一致的。
因此，为了采集正确的特征，并消除影响，需要对数据进行相应的预处理，常见的预处理方法主要有：1、标准化处理方法标准化方法的思想是将样本数据的样本方差归一，这样处理可以便于对特征进行提取并对特征进行降维，这样的处理方法对信号的线性漂移（平移和比例漂移）具有很好的适应性。
处理过程为：设为样本i的第k个测量数据，则其中，。
2、差分法差分法的思想是补偿传感器的温度效应，其形式为X(i)=x(i)-x(min)3、相对差分：X(i)=x(i)/x(min)4、分式差分：X(i)={x(i)-x(min)}/x(min)5、归一化：X(i)={x(i)-x(min)}/{x(max)-x(min)}6、采取信号变换方法可以对采样信号进行DFT变换，得到变换后的数据，并进行特征提取。
这种方法少见于文献，应用的较少。
数据的特征提取对于原始数据，信息保持最完整的特征是原始特征。
但是，原始特征的数量很大，会造成“维数灾难”，在这种情况下，为提高计算效率，需要在尽量不丢失有用信息的前提下，对原始特征进行合理的选择，产生出对分类识别最有效、数目最少的特征，以降低维数，这也就是特征提取的基本任务。
2023年电子鼻行业市场前景分析
2023年电子鼻行业市场前景分析随着科技的不断发展，电子鼻技术越来越成熟，逐渐成为人们生活中不可或缺的一部分。
电子鼻是一种基于感官技术的先进检测仪器，它模拟人类嗅觉系统，可以检测各种气体成分，具有广泛的应用前景，如食品安全、环境监测、医疗诊断、消防安全等多个领域。
本文将对电子鼻行业市场前景进行分析。
一、市场规模据研究机构统计，2019 年全球电子鼻市场规模约为 2.5 亿美元，预计到 2025 年将达到 4.5 亿美元，年均增长率为 8.2%。
目前，电子鼻主要应用于食品、医疗和环境领域，其中食品领域占据了主要市场份额，预计到 2025 年仍将保持市场领先地位。
另外，垃圾处理、化工工业、农业领域等也是电子鼻的重要应用领域，其市场潜力巨大，未来发展空间广阔。
二、技术创新电子鼻技术的发展离不开科技创新，在传感器技术、数据处理和算法等方面不断推陈出新，大大提升了电子鼻的检测精度和应用范围。
例如，近年来光纤传感器技术、微波传感器技术等不断出现，并被应用于电子鼻技术中，使得电子鼻在检测范围、检测速度等方面均有了突破性进展。
另外，智能化、小型化和可穿戴化等技术也开始应用于电子鼻，为电子鼻的实际应用提供了更多便利。
三、应用场景电子鼻不仅可以用于较为广泛的领域，也可以由于其精度高、速度快等特点，在生产、实验室、医疗、军事等领域发挥独特作用。
例如，电子鼻可以用于食品保鲜和病菌检测、环境污染检测、医学诊断和治疗、安全检测等方面。
随着技术的不断提升，电子鼻在应用领域的范围也会越来越广泛。
四、市场竞争目前，国内外电子鼻市场上竞争较为激烈，国内最大的电子鼻生产商为北京博瑞生物技术有限公司、北京优一科技有限公司等。
而在国外，美国、德国、英国等电子鼻技术领域具有较为领先地位的国家在技术和市场方面均有一定优势。
此外，近年来智能手机厂商也开始进入电子鼻市场，如苹果公司、三星电子等，其环境检测和医学诊断工具已经进入市场，并处于拓展阶段。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1
电子鼻数据的数据处理方法报告：
2
电子鼻是模仿生物鼻工作原理的一种电子系统，其工作过程可以简单的归纳3
为：气敏传感器阵列对待测气体进行信号采集，经信号预处理单元整理采集的4
数据，然后送入模式识别单元进行训练学习，学习完成后即可实现对待测气体5
成分的定性或定量的识别。
典型的电子鼻系统结构如下图所示：
6
7
信号预处理模块主要是对传感器采集的数据进行一些预处理，减少各种各样的8
干扰措施，并对处理之后的信号进行特征采集，采集的特征应用于模式识别模9
块。
10
模式识别模块是整个系统的核心。
用于电子鼻系统的常见的模式识别方法有统11
计模式识别方法和人工神经网络方法。
前者主要有Bayes、线性判别函数、非线12
性判别函数、SVM、K-近邻法等；后者主要有感知器算法、BP网络、径向基函数13
RBF神经网络等。
14
下面就信号的预处理和数据的特征提取进行相关的总结。
15
16
数据的预处理
17
对同一种样品，传感器对其需要测量多次。
在测量中，很难保证每次测量18
的
19
条件是一致的。
因此，为了采集正确的特征，并消除影响，需要对数据进行相
20
应的预处理，常见的预处理方法主要有：
21
1、标准化处理方法
22
标准化方法的思想是将样本数据的样本方差归一，这样处理可以便于对特征进23
行提取并对特征进行降维，这样的处理方法对信号的线性漂移（平移和比例漂24
移）具有很好的适应性。
25
处理过程为：设为样本i的第k个测量数据，则
26
27
其中，。
28
2、差分法
29
差分法的思想是补偿传感器的温度效应，其形式为
30
X(i)=x(i)-x(min)
31
32
3、相对差分：X(i)=x(i)/x(min)
33
4、分式差分：X(i)={x(i)-x(min)}/x(min)
34
5、归一化：X(i)={x(i)-x(min)}/{x(max)-x(min)}
35
6、采取信号变换方法
36
可以对采样信号进行DFT变换，得到变换后的数据，并进行特征提取。
37
这种方法少见于文献，应用的较少。
38
39
数据的特征提取
40
对于原始数据，信息保持最完整的特征是原始特征。
但是，原始特征的数量很41
大，会造成“维数灾难”，在这种情况下，为提高计算效率，需要在尽量不丢失42
有用信息的前提下，对原始特征进行合理的选择，产生出对分类识别最有效、43
数目最少的特征，以降低维数，这也就是特征提取的基本任务。
44
45
1、PCA降维法
46
主成分分析法在保持数据大部分信息的情况下，对原有具有信息重叠的多个指47
标进行线性组合，这样使得得到后的综合指标间即互不相关，又尽可能反应原48
来指标的信息。
49
不过PCA法有一些缺点。
首先，PCA算法要求样本数据的相应时间是一样的，50
也就是说传感器从开始响应到结束响应的时间是一样的，但是在实际中，传感51
器对不同样本的响应时间是不同的；其次，PCA算法对样本的依赖较大，当对待52
测样本进行判别的时候，容易出现误判。
53
54
2、数据的重采样
55
对样本数据进行重采样，如隔t0时刻采样一个数据点，这样在保持原有数据56
变化形状的情况下，可以适量减少特征的维数。
而且这样还可以减少对样本的57
依赖性。
58
设样本数据为x0，x1，x2，……，x1000，如果隔5个点采样，那么特征为（x0，
59
x5，x10，……，x995，x1000）。
60
61
3、提取样本数据的统计量作为特征
62
常见的特征提取方法是采用样本数据的某些统计量作为样本特征。
常见的统计63
量有：
64
（1）响应曲线的最大响应值
65
（2）响应曲线的均值
66
（3）响应曲线的最大斜率
67
（4）响应曲线的积分值
68
（5）响应曲线的最大响应值前后固定时刻的响应值
69
对每一个传感器的响应曲线进行上述特征量的提取，三个传感器提取的特征进70
行合并，即得到对某一样本数据提取的特征。
71
72
4、Fisher判别法
73
Fisher判别法是一种线性的特征提取方法。
是有导师的特征提取方法，它的74
投影是带有类别信息的。
75
Fisher判别法是使投影后样本类间散布与类内散布的比值最大，即为找到最76
利于分类的投影方向。
77
Fisher判别法是在最有利于样本分类的方向上进行的投影，是一种有导师的78
特征提取算法，在以可分性为为目的的应用中，Fisher判别分析可以表现出优
79
越的性能，因此这种特征提取方法在电子鼻的模式识别中有广泛的应用。
80
81
采取的方法
82
在我们的项目中，结合得到的数据和多方面的考虑，采取下面的处理方83
法。
84
图一是一个数据文件的图形，对每一个样本进行一次测试，会得到三条85
曲线，
86
每一条曲线对应于一个传感器获得的数据，从图一中，可以发现以下特征：87
（1）每条曲线开始响应的时刻是相同的；
88
（2）每条曲线的前后都会趋于平稳；
89
（3）不同传感器对样本的响应程度不同；
90
因此，可以在初始的数据中，将响应的过程提取出来，作为后面考虑的样91
本
92
数据，这样可以减少数据量，提高后面的处理的效率。
对上图的数据提取到的93
相应过程图二所示。
94
图一：原始数据
95
96
图二：响应过程
97
98
从图二中可以看到，三个传感器的响应程度是不一样，这种情况应该考虑99
到
100
对数据的预处理中。
101
从这几个方面来对样本进行预处理：
102
（1）同一曲线处理前后的形状不发生变化；
103
（2）三条曲线处理前后的响应的程度不发生明显变化（波动关系不发生104
变
105
化）；
106
（3）处理中应该去除掉传感器的漂移；
107
（4）从传感器的物理原理来进行考虑。
108
109
110
图三：预处理之后的响应曲线
111
112
图三是与处理之后的曲线，采取的方法是：对每一条响应曲线，每一时113
刻的
114
响应值除以初始响应值。
这样做的好处是，将三条曲线放在同一个参考坐标系
115
内，对于响应程度大的，其特性得以保持，对响应程度小的，其特性得以加强；116
而且这样处理没有损失任何信息。
117
118
对于特征提取，有两种基本考虑，一是对响应曲线进行重采样，二是提取响119
应曲线的某些统计量。
120
由于重采样之后得到的特征向量的维数很高，在考虑到模式识别算法的适121
用性上，采用响应曲线的某些统计量作为样本特征。
122
设最大响应的时刻为T，t为某一时间间隔，提取的统计量为
123
最大响应值、T+t时刻的响应值、T-t时刻的响应值、响应曲线的面积、吸附124
过程的最大斜率、脱附过程的最大斜率、响应曲线的均值。
125
最后得到的特征向量为一个21维的向量。
126。