Técnicas de clasificación, optimización y procesado de señal aplicadas a sistemas basados en sensores de gases y líquidos
- Autores: Francisco Javier Acevedo Rodríguez
- Directores de la Tesis: Saturnino Maldonado Bascón (dir. tes.)
- Lectura: En la Universidad de Alcalá ( España ) en 2009
- Idioma: español
- Tribunal Calificador de la Tesis: Luis Vergara Domínguez (presid.), Manuel Rosa Zurera (secret.), Shezard Al Khalifa (voc.), Francisco López Ferreras (voc.), Mariano Rincón Zamorano (voc.)
- Materias:
- Enlaces
- Tesis en acceso abierto en: e_Buah
- Resumen
- español
Esta tesis se encuadra en el procesado de señales y métodos de reconocimiento de patrones aplicados sobre los sistemas conocidos como nariz y lengua electrónicas. Estos sistemas surgen como técnicas analíticas que tratan de imitar los sentidos del olfato y gusto humanos mediante una matriz de sensores de gases o líquidos más una etapa de procesado y clasificación de la información obtenida. Para desarrollar este tipo de de sistemas surgió la red de excelencia europea General Olfacthttps://dialnet.unirioja.es/nexo/tesis/80201/enlacesion and Sensing Projects on a European Level (GOSPEL) que establecía como líneas de actuación la mejora de las tecnologías de los sensores, la implementación en tiempo real de los sistemas y la mejora de las técnicas de procesado estadístico de las señales, siendo éste el punto sobre el que se centran las aportaciones de esta tesis. En una primera parte se analiza el estado del arte, tanto de las tecnologías de los sensores como de las técnicas aplicadas a los mismos, en las que se constata la importancia que tiene la información proporcionada de forma dinámica. También se revisan los métodos en el estado del arte sobre procesado de señales aplicados sobre estos sistemas así como los métodos de clasificación. A partir de esta revisión bibliográfica surgen las necesidades de proponer nuevos métodos para la extracción de la información dinámica proporcionada por los sensores, así como establecer una comparativa entre los métodos de clasificación que se han venido utilizando. El objetivo final de realizar dicha comparativa es profundizar en los métodos que mejor resultado proporcionen para proponer mejoras adaptadas a los problemas bajo estudio. En la parte de extracción de la información dinámica se propone la ampliación de la transformada wavelet y se adapta un método de regresión para parametrizar las señales obtenidas de los sensores y utilizar estos parámetros como información discriminante. Los métodos propuestos se han probado sobre una serie de conjuntos de datos procedentes de diferentes tecnologías de sensores buscando en todo momento que los métodos puedan ser aplicados a la mayor variedad de sensores y señales posibles. En la parte de clasificación se propone una metodología de comparación de los diferentes algoritmos de clasificación encontrados en el estado del arte, además de la propuesta de nuevos métodos kernel que han sido aplicados con éxito a otros campos de investigación. En el marco de esta tesis se ha desarrollado un nuevo método de aprendizaje incremental de gran utilidad para los sistemas considerados ya que facilita la obtención de un nuevo modelo de clasificación ante un ensayo nuevo cuando se está en el proceso de aprendizaje. La parte de clasificación se cierra con la propuesta de un nuevo algoritmo de selección de características que permite relacionar la información seleccionada con los principios físicos que originan la separación entre clases. La conclusión más importante de la comparativa establecida entre clasificadores es que los métodos kernel proporcionan un grado de flexibilidad muy adecuado para trabajar con este tipo de sistemas y en especial las máquinas de vectores soporte, cuando se ajustan bien sus parámetros, aparecen como un método de clasificación que por sus características consiguen buenos niveles de tasa de acierto. A partir de esta conclusión, la última parte de la tesis se dedica a la propuesta de mejora de este tipo de clasificadores con los objetivos de mejorar la tasa de acierto, realizar la extensión a los problemas multiclase y reducir el número de operaciones necesarias para evaluar futuras muestras.
- English
This thesis is focused on signal processing and pattern recognition methods applied to the systems known as electronic noses and electronic tongues. These kind of systems appear as analytical techniques that try to mimic the smell and taste senses by means of a matrix of gas or liquid sensors plus a stage that previoulsy preprocess and classify the obtained information. The excellence network General Olfaction and Sensing Projects on a European Level (GOSPEL) was created to develop these systems. Its main research fields are divided into the improvement in the sensor's technologies, real time implementation and the improvement in the statistical preprocessing techniques, being the last mentioned the central point of this thesis. At a first stage, the state of the art is analyzed ,either in sensor's technologies or in the techniques applied, where is important to highlight the relevance the dynamic information has in the recent applied techniques. There is also a review of the main signal processing methods applied to these systems as well as the main classification methods are studied. From this bibliographic review, new methods are proposed to extract the dynamic information provided by the sensors and a comparative methodology between the different classification methods is established. The main target of this comparative study is to go into those methods in depth and to propose improvements adapted to the problems under study. At a second stage the dynamic information extraction is studied. An extension of the wavelet transform is proposed and a regression algorithm is adapted to model the signals obtained from the sensors and to use those parameters as discriminating information. The proposed methods are tested on a variety of data sets obtained from different sensor technologies trying to get the proposed methods applied to the most possible number of the sensor's technologies and techniques. At the classification stage we have proposed a new comparative methodology among the different classification algorithms found in the state of the art and new kernel classification methods, with a high level of sucess in other fields, are suggested. In the thesis framework, an incremental learning method is developed, being useful to the considered systems, since it makes easier obtain a new classification model in corporating a new assay in the learning process. This stage is closed with the proposal of a block feature selection method allowing to find zones and to relate this information with the physical phenomena that produce the discriminating information. The main conclusion of the comparative study among classifiers is that kernel methods give a high and adequate level of flexibility to work with electronic noses and electronic tongues. Especially when their parameters are adjusted, support vector machines appear as a classification method that achieve high levels of accuracy. As a result of this conclusion, at the last stage of this thesis several ideas are proposed to improve overall accuracy, to extend support vector machines to multiclass problems and to reduce the number of operations needed to evaluate future samples.
- español
