摘要：本文以电子鼻技术为基础开展水果种类的快速检测及分类方法研究，主要工作如下：

（1）本文以芒果、油桃、苹果和橙子四种水果为代表，采用PEN3电子鼻（10个传感器）对4类水果进行快速信息采集，其中每个样本采集15组数据，每组数据采集120秒。

（2）采取主成分分析的方法（Principal Component Analysis，PCA）对所选采集的水果降低样本数据的维度，以此保证了模型输入变量的精简性，从而得到可以代表该四种水果种类的特征值及特征向量。在利用主成分分析方法进行特征提取的后，采用SVM进行模式识别，建立了基于PCA-SVM的水果种类识别模型。

（3）最后在MATLAB环境下，编程并测试本文采集的数据及所提出的分类及识别方法的有效性。

本文对电子鼻系统测试的4类水果数据共计63组进行分析，其中44组（每类11组，共计44组）用作训练，19组用于测试。通过在MATLAB环境下仿真测试，实验结果表明，通过PCA结合线性核函数的SVM识别效果最佳，测试的4类19组样本均能准确识别。

关键词：电子鼻  水果种类  PCA  SVM

目录

摘要

Abstract

1. 绪论-1

2. 电子鼻及水果分类方法-2

2.1 电子鼻的发展与应用-2

2.2 电子鼻的组成-3

2.3 目前国内的水果分类方法-4

2.4 本章小结-5

3. 数据处理及识别方法-6

3.1 主成分分析法-6

3.2 PCA数学推导-6

3.3 SVM模型及推导-7

3.4 本章小结-11

4. 实验结果与分析-13

4.1 原始数据-13

4.2 数据导入处理-14

4.3 实验结果-17

4.4 结果分析-18

4.5 本章小结-19

5. 总结与展望-20

5.1 总结-20

5.2展望-20

参考文献-21

致谢-22

附录-23