一、实验简述

本实验通过利用由上海瑞玢国际贸易有限公司提供的SuperNose电子鼻对不同的腐乳样品气味进行检测，目的在于辨别不同的腐乳样品是否在气味上有差异及差异大小。

二、SuperNose电子鼻介绍

1.原理

电子鼻是20世纪90年代中期发展起来的一种用于分析、辨识气味物质总体特征的新型检测仪器。其利用多个具有不同性质的金属氧化物半导体传感器组合成传感器阵列，结合特定的智能自学习、自辨识模式识别算法构建的一类嗅觉仿生系统。

当一种或多种风味物质经过全自动电子鼻时，该风味物质的“气味指纹”可以被传感器感知并经过特殊的智能模式识别算法提取。利用不同风味物质的不同“气味指纹”信息，就可以来区分、辨识不同的气体样本。某些特定的风味物质恰好可以表征样品在不同的原料产地、不同的收货时间、不同的加工条件、不同存放环境等多变量影响下的综合质量信息。因此可以利用电子鼻对不同样品进行辨别区分。

2.数据分析方法

方差分析(Analysis of Variance，简称ANOVA)，又称“变异数分析”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。 由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。

主成分分析（PCA）: PCA是在对样品特性一无所知的前提下，通过对原始数据向量进行线性变换，从而在一定的视角来寻找样品间的差异的一种算法。用于挖掘有用的信息，给出具有不同气味区域和簇的描述性图表。该算法不丢失任何样品信息，仅仅通过改变坐标轴来达到区分样品的目的。

线性判别分析(linear discriminant analysis，LDA)是对费舍尔的线性鉴别方法的归纳，这种方法使用统计学，模式识别和机器学习方法，试图找到两类物体或事件的特征的一个线性组合，以能够特征化或区分它们。所得的组合可用来作为一个线性分类器，或者，更常见的是，为后续的分类做降维处理。

支持向量机（SVM ，Support Vector Machine）是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面（maximum-margin hyperplane）。在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中。