Resumen

Una transformada wavelet discreta (DWT) extrae información significativa en un dominio de tiempo-frecuencia y es un enfoque favorable de extracción de características a partir de respuestas tipo pulso en lenguas electrónicas (e-tongue) de voltamperometría de pulso grande (LAPV). Una DWT normal genera muchos coeficientes para describir detalles de la señal y aproximaciones a diferentes escalas. Por lo tanto, la selección de coeficientes es necesaria para reducir el tamaño de las características. Sin embargo, la selección de características común basada en la DWT sigue un modo pasivo: manipulación a través de la experiencia humana o ensayos exhaustivos. Es subjetivo, requiere mucho tiempo y apenas funciona en condiciones que no sean de laboratorio. En este artículo, presentamos una estrategia activa de selección de características que consiste en un cálculo de la relación de dispersión y una búsqueda óptima. Para evaluar el rendimiento del método propuesto, preparamos varias muestras de bebidas y realizamos experimentos con una e-lengua LAPV. Mientras tanto, se presentaron las características de la respuesta bruta, el punto de pico-inflexión, el método DWT de referencia y nuestro método propuesto para indicar los efectos de las características refinadas del método propuesto. Además, utilizamos varios clasificadores, como el k-nearest neighbor (k-NN), el support vector machine (SVM) y el random forest (RF), para evaluar la mejora del reconocimiento mediante las características refinadas. En comparación con otros métodos habituales de extracción de características, el método propuesto puede explorar automáticamente características de alta calidad con un tamaño de característica aceptable. Además, el método propuesto consiguió la mayor precisión media para cada clasificador. Se trata de un método alternativo de extracción de características para una lengua electrónica LAPV sin ninguna manipulación en aplicaciones reales.

• Materias:Biotecnología Minería de datos Redes de sensores Sistema de sensores Tecnología de sensores
• Subjects:Biotechnology Data mining Sensor networks Sensor system Sensor technology
• Palabras claves:método, lengua, lapv e, rasgos refinados, estrategia activa de selección de rasgos, enfoque alternativo de extracción de rasgos, enfoque favorable de extracción de rasgos, otros métodos regulares de extracción de rasgos, tamaño aceptable de rasgos, transformada wavelet discreta
• Keywords:method, tongue, lapv e, refined features, active feature selection strategy, alternative feature extraction approach, favorable feature extraction approach, other regular feature extraction methods, acceptable feature size, discrete wavelet transform