《表4 目标环境I中传感器的特征重要度》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于动态特征重要度的电子鼻传感器阵列优化方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了简化分析，本部分的优化中删去了重复的传感器，相关性选择了PCC和MIC（因为气体传感器的数据是连续型且概率分布难以确定，不建议使用MI），模式识别算法使用了SVM，BP，KNN和RF，特征重要度包括这4种机器学习算法的FI以及GI.计算得到各传感器之间的PCC如图6所示，MIC如图8所示.对比图6和8，传感器之间的MIC与PCC差别明显，大多PCC的值要高于MIC，但TGS2610，TGS2611与4SO2-2000之间的PCC低于MIC.各传感器的FI如表4所示，不同的算法下，4SO2-2000的FI总是最高的，在只使用4SO2-2000的情况下，识别率甚至可以达到88.6%，而其他传感器的FI排名浮动较大，如TGS2611在前4种FI中排名第2，但在GI中却成了FI最低传感器.有趣的是，通过对比图7和表4中GI的值，可以发现TGS2603的排名发生变化，这是因为此时的初始阵列中没有了重复传感器和基尼指数的特点导致的.