基于气相色谱-离子迁移谱及机器学习的呼气分析方法

摘要：

采用气相色谱-离子迁移谱(GC-IMS)技术,以饮用不同风味咖啡后的呼出气体为样本,研究GC-IMS谱图的预处理、特征提取及分类预测方法.针对呼出气体GC-IMS谱图复杂的特点,采用基于Birch聚类的多阈值分级聚类方法,提高聚类精度同时降低干扰影响.对比了决策树、随机森林、支持向量机、人工神经网络和深度森林5种机器学习方法在呼气样本上的分类预测性能.深度森林方法有低数据量和低参数要求的优点,在呼气样本集上的分类精度为90％,精确率和召回率的调和平均值F1得分为90.67％,显示了其在呼气分析GC-IMS谱图处理中的应用潜力.

关键词：气相色谱-离子迁移谱、呼气分析、分级聚类、机器学习

所属期刊栏目：42

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2023-04-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：150-158