增量學習在電子鼻智能烘烤系統(tǒng)中的應用研究.pdf

1、增量學習作為機器學習的一個重要研究方向，隨著大數(shù)據(jù)時代的到來，由于其不依賴全部樣本，只利用和保存樣本特征、概念或代表性的樣本，能有效實現(xiàn)對樣本的約減并從新樣本中學習到新的知識，在解決內存限制和重復學習問題上有獨特優(yōu)勢，被視為大數(shù)據(jù)問題的一種重要且有效的解決辦法。
　　氣味是物質的重要特征之一，電子鼻技術是一種基于仿生嗅覺原理的新興無損氣味檢測技術，相比于傳統(tǒng)的化學、光學檢測方法，其具有快速、準確、客觀，便捷的優(yōu)點，是仿生嗅覺領域中

2、的研究熱點。
　　隨著“工業(yè)4.0”時代的到來，智能化已成為未來工業(yè)的主要發(fā)展趨勢。目前我國對工業(yè)烘烤中的智能化研究較少，烘烤過程主要靠人的經驗和自動化機器相結合實現(xiàn)，其與真正的無人智能自動烘烤相差較遠。
　　本文針對煙草工業(yè)的重要環(huán)節(jié)一煙葉烘烤中的智能化、自動化水平低問題，研究了實現(xiàn)煙葉自動智能烘烤的方法。立足于自主研發(fā)的烘烤信息化操控平臺，利用電子鼻、攝像機等采集設備，無損收集了煙葉的氣味，圖像和水分信息，探討了煙葉特征

3、在烘烤過程中的變化規(guī)律，并結合收集到的烘烤師調控烘烤工藝曲線信息，建立了由煙葉特征信息預測烘烤工藝參數(shù)的機器學習網(wǎng)絡模型。同時，針對不同品質的煙葉在烘烤中的復雜性，研究了應對該情況下的處理方法一增量學習。
　　由于煙葉烘烤預測網(wǎng)絡是一類回歸預測網(wǎng)絡，本文主要研究了基于支持向量回歸機的增量學習方法。在分析了現(xiàn)有基于支持向量的增量算法缺點及烘烤學習樣本增量特點后，提出了使用自組織競爭網(wǎng)絡(SOINN)獲取樣本的拓撲節(jié)點信息，再利用加權