陶 洋,杨皓诚,梁志芳,黎春燕,胡 昊

(重庆邮电大学通信与信息工程学院，重庆 400065)

0 引言

电子鼻又称为仿生嗅觉系统，是一个由气体传感器阵列和模式识别算法组成的用于气体识别的系统[1]，在环境监测[2]、食品检测[3]和医疗诊断[4]等多个领域均有所应用。电子鼻能够模拟人类嗅觉系统以实现气体识别的关键在于其内部的气体传感器能够根据不同气体的特性产生对应的电信号响应，这些响应通过模式识别算法的处理最终转换为气体识别结果。

由于传感器老化或外界气体中毒等原因，传感器会发生漂移现象。将传感器未发生漂移时采集到的样本定义为源域样本，而将从已发生漂移的传感器中采集到的样本定义为目标域样本，漂移会引起相同环境条件下传感器输出响应发生变化，导致源域样本特征与目标域样本特征出现差异，进而使得识别算法精度下降。传感器漂移问题普遍存在于电子鼻系统中且无法避免。近年来许多学者提出了针对传感器漂移补偿的算法，Zhang等[5]提出了一种基于半监督学习的领域自适应极限学习机(domain adaptation extreme learning machine，DAELM)的漂移补偿方法，该方法在使用了目标域有标签样本的同时，还利用了目标域中无标签样本的特征分布共同构建分类器。Gong等[6]从减小域间距离的角度出发提出了基于测地线(geodesic flow kernel，GFK)的无监督学习算法，该算法被进一步的优化为Cui等[7]所提出的基于移动协方差的领域自适应算法。Zhang等[8]基于子空间学习提出……