Intelligent classifier for information fusion in an e-nose system

Abstract

Los sistemas de nariz electrónica (E-nose) se están convirtiendo en un instrumento cada vez más importante en todos los sectores, especialmente la comida y bebidas y el campo biomédico. Debido a la poca precisión de la nariz humana y la consecuente inseguridad y falta de fiabilidad a la hora detectar olores que suponen un riesgo y peligro para la salud humana, se hace necesario obtener sistemas de nariz electrónica que proporcione una enorme ventaja en ciertas situaciones. Las narices electrónicas pueden resultar altamente eficientes y adecuadas a muchos problemas o situaciones, y se pueden utilizar en la vida real para detectar olores de varios tipos. En este tipo de sistemas, el cerebro asociado a narices electrónicas se centra en la clasificación del olor detectado por la parte de la nariz, realizando además tareas de procesamiento de datos. El concepto es similar al proceso cómo un cerebro humano clasifica el olor. El sistema de procesamiento de información implementa mecanismos de reconocimiento de patrones y técnicas de clasificación con el fin de realizar una correcta clasificación del olor detectado. En la actualidad es posible encontrar muchas técnicas aplicadas a la clasificación en los sistemas de nariz electrónica incluyendo mecanismos supervisados y no supervisados Esta tesis presenta un nuevo mecanismo para la fusión de información proveniente de clasificadores ampliamente conocidos, como el perceptrón Multicapa, máquinas de soporte vectorial, Redes Bayesianas, Naive Bayes, Regresión logística, árboles de decisión J48 y RepTree. Los datos utilizados para la clasificación se generan a partir de un sistema de nariz electrónica desarrollado en el Osaka Institute of Technology (OIT), Japón. Presentamos una propuesta que permite combinar los resultados obtenidos después de clasificar cuatro tipos diferentes de olor volátil mediante los clasificadores individuales anteriormente mencionados. Los resultados generados prueban que una mixtura de clasificadores proporciona mejores resultados que los obtenidos con los clasificadores individuales.---ABSTRACT---E-nose systems are becoming an increasingly important instrument across all industries, especially the food and beverages and the biomedical field. With the inaccurate, unsafe and unreliable dependencies on the human noses to detect smell which are too risky and hazardous to the human health, e-nose systems play an enormous advantage. E-noses are convenient, highly efficient and can be used in real life to detect odor of various types. The integral brain in e-noses for the classification of the odor detected by the detection part of its system is the data processing system. It mimics to how a human brain classifies the smell. The data processing system implements pattern recognition and classification techniques in order to correctly classify the odor generated. There are many such techniques applied in enose systems including supervised as well as unsupervised techniques of classification. This thesis presents ensembles of widely known classifiers, namely, the Multi-layer Perceptron neural network, Support Vector Machine, Bayesian networks, naive-bayes, logistic, J48 and RepTree classifiers. The data used for classification is generated from an e-nose system developed at the Osaka Institute of Technology (OIT), Japan. We present a proposal to combine the results generated after classifying four different types of volatile odor individually by all the classification techniques mentioned. The results generated prove that the combined ensembles of multiclassifiers perform much better in comparison to classifying them individually.