苏仲端

（广东工业大学信息工程学院，广州 510006）

0 引言

嗅觉感知是嗅觉系统对气体分子进行加工编码的结果［1］，气味分子通过与嗅上皮不同的嗅觉受体进行特异性结合，将外界刺激转化为动作电位，经过神经网络传递给大脑。然而，生物嗅觉系统复杂的运行机制使嗅觉研究的进展缓慢，多年以来，我们无法通过一个给定的气味分子来预测该气味的味道。以洛克菲勒大学的Andreas Keller为领导的团队于2015年开展了一个名为“梦想嗅觉预测挑战赛”（The DREAM Olfaction Prediction Challenge）的比赛，其中官方给定了476种气味分子的4884种物理化学特征（简称物化）数据，49名志愿者提供的21种嗅觉感知（简称嗅感）评价，20多支参赛队伍运用各种机器学习算法对上述气味分子进行感知预测［1］。基于“梦想嗅觉预测挑战赛”，本文的思想是以476个单分子化合物的物化特征作为研究数据，以构建有效的气味物化特征空间和气味的嗅感评价模型为研究目的，通过特征选择和提取方法，确定适配不同嗅感评价的最佳特征空间，最终实现从气味特征空间到嗅感评价空间的映射，对实现理想的机器嗅觉感知系统具有重大理论指导作用。本文的研究内容如下：

（1）对获取的高维气味物化特征X进行降维，以21种嗅感评价作为目标y，采用特征选择方法（随机森林）和特征提取方法（PCA），形成不同的特征空间。

（2）基于岭回归（Ridge Regression）模型，对获取到的特征空间进行学习，得到嗅感评价结果。

（3）实验结果分析，对比回归模型应用于不同的气味特征空间的结果。……