MWFC与QPSO-SVM：提升电子鼻性能的创新特征提取与优化策略

本文主要探讨了一种创新的特征提取技术——移动窗口功能捕获（Moving Window Function Capturing，MWFC），在电子鼻（Electronic Nose，E-nose）应用中的有效性。电子鼻是一种非侵入性的传感设备，用于识别和分析复杂环境中的气味分子，对于医疗诊断如感染病原体检测具有潜在价值。MWFC方法的独特之处在于其能动态捕捉传感器阵列在时间序列信号中的局部特征，通过窗口滑动对信号进行分段处理，从而提高信号处理的灵活性和特征的多样性。 传统的电子鼻信号处理可能受限于固定的窗口大小和形状，而MWFC则允许用户调整窗口的类型（如汉明窗、Hann窗等）、宽度以及位置，这使得它能够适应不同环境和样本的变化，有助于提高分类性能。结合量子行为粒子群优化（Quantum-behaved Particle Swarm Optimization，QPSO）与支持向量机（Support Vector Machine，SVM）的协同工作，QPSO-SVM模型被用来优化传感器阵列的参数和SVM的超参数。这种方法通过全局搜索和局部优化的双重作用，能够找到最优的模型配置，从而增强电子鼻的分类准确性。 研究结果显示，与现有的特征提取技术相比，MWFC和QPSO-SVM的集成方案显著提升了电子鼻的性能，尤其是在大鼠伤口感染病原体类型识别任务中，分类准确率得到了显著提升。这一改进表明，通过灵活的特征提取和智能优化策略，电子鼻的应用潜力得到了进一步挖掘。 总结来说，本文的主要贡献在于提出了一种新颖的电子鼻特征提取方法，即MWFC，它不仅提高了信号处理的灵活性，还通过与QPSO-SVM的结合实现了传感器阵列和模型参数的联合优化，从而提高了电子鼻在实际问题中的识别能力。未来的研究可以进一步探索更多窗口函数类型和优化策略，以实现电子鼻在更多领域的广泛应用。