化学传感器阵列的自修复分类算法
信号处理
2020-01-13 v1
摘要
化学传感器通常受漂移影响，制造重复性低，并且长期可能出现故障或破损事件。尽管制造工艺的改进往往缓慢且不足以完全克服这些问题，但数据分析目前可用于改善可用器件的性能。本文阐述了一种称为自修复(SR)的算法，用于在传感器阵列发生故障后修复分类模型。该过程考虑用复制品替换破损传感器，并最终由自修复算法训练这些空白元件。与文献中常见的替代方案不同，SR执行此操作无需整体重新校准、参考气体测量或迁移数据集，同时不中断正在进行的气体识别过程。此外，自修复算法可利用大多数标准分类器作为核心算法；在本文中SR已应用于k-NN、PLS-DA和LDA作为示例。模型已在合成和真实场景中测试，考虑受漂移影响并可能发生故障的传感器阵列。真实实验使用一组金属氧化物传感器在18个月内进行。最后，将该算法与所选分类器（k-NN、LDA和PLS-DA）的标准版本进行比较，显示出自修复的优越性能并提高了对连续故障的容忍度。
引用
@article{arxiv.1906.09990,
title = {Self-repairing Classification Algorithms for Chemical Sensor Array},
author = {Gabriele Magna and Corrado Di Natale and Eugenio Martinelli},
journal= {arXiv preprint arXiv:1906.09990},
year = {2020}
}