一、實驗簡述

本實驗通過利用由上海瑞玢國際貿易有限公司提供的SuperNose電子鼻對不同的腐乳樣品氣味進行檢測，目的在于辨別不同的腐乳樣品是否在氣味上有差異及差異大小。

二、SuperNose電子鼻介紹

1.原理

電子鼻是20世紀90年代中期發展起來的一種用于分析、辨識氣味物質總體特征的新型檢測儀器。其利用多個具有不同性質的金屬氧化物半導體傳感器組合成傳感器陣列，結合特定的智能自學習、自辨識模式識別算法構建的一類嗅覺仿生系統。

當一種或多種風味物質經過全自動電子鼻時，該風味物質的“氣味指紋”可以被傳感器感知并經過特殊的智能模式識別算法提取。利用不同風味物質的不同“氣味指紋”信息，就可以來區分、辨識不同的氣體樣本。某些特定的風味物質恰好可以表征樣品在不同的原料產地、不同的收貨時間、不同的加工條件、不同存放環境等多變量影響下的綜合質量信息。因此可以利用電子鼻對不同樣品進行辨別區分。

2.數據分析方法

方差分析(Analysis of Variance，簡稱ANOVA)，又稱“變異數分析”，是R.A.Fisher發明的，用于兩個及兩個以上樣本均數差別的顯著性檢驗。 由于各種因素的影響，研究所得的數據呈現波動狀。造成波動的原因可分成兩類，一是不可控的隨機因素，另一是研究中施加的對結果形成影響的可控因素。

主成分分析（PCA）: PCA是在對樣品特性一無所知的前提下，通過對原始數據向量進行線性變換，從而在一定的視角來尋找樣品間的差異的一種算法。用于挖掘有用的信息，給出具有不同氣味區域和簇的描述性圖表。該算法不丟失任何樣品信息，僅僅通過改變坐標軸來達到區分樣品的目的。

線性判別分析(linear discriminant analysis，LDA)是對費舍爾的線性鑒別方法的歸納，這種方法使用統計學，模式識別和機器學習方法，試圖找到兩類物體或事件的特征的一個線性組合，以能夠特征化或區分它們。所得的組合可用來作為一個線性分類器，或者，更常見的是，為后續的分類做降維處理。

支持向量機（SVM ，Support Vector Machine）是一類按監督學習方式對數據進行二元分類的廣義線性分類器，其決策邊界是對學習樣本求解的最大邊距超平面（maximum-margin hyperplane）。在解決小樣本、非線性及高維模式識別中表現出許多特有的優勢，并能夠推廣應用到函數擬合等其他機器學習問題中。