Development of electronic noses: pattern recognition algorithms

• Autores: Arturo Ortega Mansilla
• Directores de la Tesis: Santiago Marco Colás (dir. tes.)
• Lectura: En la Universitat de Barcelona ( España ) en 2001
• Idioma: español
• Tribunal Calificador de la Tesis: Javier Gutierrez Monreal (presid.), Atilà Herms Berenguer (secret.), Eduard Llobet Valero (voc.), José Antonio de Saja Sáez (voc.), Jacques Nicolas (voc.)
• Materias:
  • Ciencias tecnológicas
    • Tecnología de la instrumentación
      • Instrumentos electrónicos
• Texto completo no disponible (Saber más ...)
• Resumen

  • La tesis versa sobre el desarrollo de algoritmos de procesado aplicados al desarrollo de narices electrónicas basadas en sensores comerciales de bajo coste. Entre los alumnos alcanzados destacan:

    1,- El desarrollo y validación del funcionamiento de una estación de test para sensores de gases.

    2,- Metodología para la selección de sensores basada en herramientas de visualización y factores objetivos de calidad.

    3,- Sistemas de reconocimiento de patrones basados en algoritmos de K-NN (k-vecinos más próximos) y matrices de sensores de óxido de estaño. Los sistemas se han aplicado a la identificación de gases de combustión.

    4,- Sistemas de reconocimiento de patrones basados en los mapas auto-organizados (SOM) y un proceso supervisado de etiquetado. Se ha evaluado y caracterizado el comportamiento de este tipo de sistemas frente al transitorio de la respusta de los sensores, lo que denota la gran robustez de la solución diseñada. Redes SOM de topología rectangular.

    5,- Las derivadas a largo plazo de los sensores se han tratado con sistemas estáticos y adaptativos de reconocimiento de patrones.

    6,- Se han desarrollado dos métodos noveles de reconocimiento de patrones que se adaptan a los clusters curvilíneos presentes en las narices electrónicas.

    El primer método (SOM lineal) representan un cambio en la arquitectura de la red SOM y un nuevo uso de las conexiones entre las neuronas como prototipos. El segundo método (SOM y Minimum Spanning Tree-MST) facilita la recuperación de la información contenida en la topología de la red SOM, que no se adapta a los clusters curvilíneos. El algoritmo MST genera nuevas conexiones entre las neuronas para construir prototipos curvilíneos en base a segmentos lineales.

    7,- La función de pertenencia fuzzy se ha incorporado a la salida de los nuevos sistemas, lo que supone una mejora notable de los sistemas de reconocimiento de patrones. De este modo, los clasificadores pued