WMDCNN：一种利用特征相关性与CACLoss的用于气体传感器阵列的深度学习方法

《Talanta》：WMDCNN: A Deep Learning Method for Gas Sensor Arrays Utilizing Feature Correlation and CACLoss

　　许辉|隋文浩|卢慧琳|尹云楠|王超|孙圆圆|曹阳杰
中国河南省郑州市450001，郑州大学网络科学与工程学院

摘要
现有的气体识别方法主要依赖于两种技术路径：传统机器学习方法，虽然资源消耗较低，但难以应对复杂的交叉干扰问题；深度学习方法则能有效处理复杂场景，但计算成本较高。本研究提出了一种基于特征相关性分析的新型深度学习框架，用于气体传感器阵列。首先，通过优先选择能产生最高皮尔逊相关系数的特征提取方法，构建具有高区分度的启发式特征子集，并借助强大的基础判别器对这一过程进行验证。其次，引入一种智能的多维卷积神经网络（WMDCNN）来处理这些经过筛选的特征向量。此外，该框架还整合了一种新的类锚点聚类损失函数（CACLoss），用于规范潜在空间，从而实现密集的类内聚类，并最大化类间间隔，有效解决复杂气体混合物中的边界模糊问题。最后，该框架在多个私有及公共数据集上进行了严格测试。实验结果表明，WMDCNN在两种数据集上的混合气体分类准确率分别高达97.51%和97.89%。在浓度预测任务中，该模型的均方根误差相比基准模型降低了37.85%，仅为59.66%。这些结果表明，WMDCNN框架为混合气体识别提供了一种高精度、高效能且具备抗漂移能力的解决方案。

引言
气体识别是通过气体传感器阵列识别气体种类并估算其浓度的过程。它在火灾检测、食品保存、疾病诊断以及工业生产等领域有着广泛的应用[1][2][3][4]。气体识别流程包括使用传感器阵列采集气体数据，随后利用人工智能算法对数据进行处理和优化，以满足特定的实际需求[5][6][7]。现有的气体识别算法主要分为两大类：传统机器学习方法和深度学习方法。

尽管传感器技术发展迅速，但要设计出无漂移的传感器阵列仍需较高的成本和复杂的工艺。因此，运用人工智能算法进行漂移补偿尤为重要。短期漂移指的是在短暂的测试和数据采集期间，采集到的数据与原始数据的偏差极小。而长期漂移则涉及采集数据与原始数据之间的分布差异。长期漂移补偿通常通过领域对抗学习或记忆神经网络来实现[8][9]，此外，长短期记忆（LSTM）等时间序列训练模型也可用于处理传感器时间序列数据以实现补偿[10]。

除了漂移补偿之外，优化潜在特征空间也是深度学习方法在气体传感领域面临的另一个重要挑战。传统的损失函数，如标准交叉熵，在处理电子鼻应用中那些复杂且存在严重交叉干扰的气体混合物时，往往难以解决边界模糊问题。为了解决这一问题，近期的一些研究尝试了特定的损失函数设计，比如双损失函数或中心损失函数的应用[11][12][13][14]。尽管这些方法能够有效降低类内方差，但它们通常缺乏明确机制来最大化高度相似的混合气体之间的类间间隔。为克服这一局限，类锚点聚类损失函数（CACLoss）通过强制样本围绕预定义的类锚点紧密聚集，同时最大化不同锚点之间的距离，从根本上改变了优化思路[15]。这一改进特别针对湍流气体混合物中普遍存在的边界混淆问题，因此比传统损失函数的简单变体更具优势。

为应对实际场景中的气体漂移问题，人们提出了多种传统机器学习方法。这些方法通过特征提取对传感器阵列数据进行数学处理[16][17][18][19][20]，随后再利用主成分分析（PCA）、线性判别分析（LDA）等相关技术降低提取特征向量的维度，从而便于后续的气体分类或回归分析[21][22][23]。然而，由于工业需求的日益复杂，传统机器学习方法在气体识别中的应用比例正在逐渐下降。

深度学习的发展推动了深度卷积神经网络（DCNN）、LSTM网络以及注意力机制在复杂环境下的识别任务中的应用[24][25][26][27][28]。有一种通过粒子群优化算法优化的神经网络被用于溶解气体分析，提升了变压器油的诊断精度[29]。在煤矿工作面，人们还利用稀疏移动众包技术实现了高效且自适应的气体监测[30]。在该领域，还可以采用课程学习方法，即利用各种公开的气体数据集开展实验，随着难度级别的提升，监测模型的复杂度也会相应增加。这种方法在相关数据集上使气体识别精度平均提升了9.9%[31]。此外，许多研究还采用了自注意力机制来过滤掉低相关性的特征信息，让深度学习模型能够学习到更重要的特征信息[32][33][34][35][36]。

气体识别问题主要分为分类和回归两大类。冯等人[37]提出了一种基于增量学习的分类方法，使用增强型卷积神经网络（ACNN）来解决气体识别问题。他们采用了数据增强技术，并提出了一种计算源数据与目标数据之间增量矩阵的方法，以弥补气体存在的长期漂移问题。有一种一维深度卷积神经网络（1D-CNN）将传感器响应序列视为一维时间序列，整个模型仅通过一维卷积和池化操作即可实现对混合气体的分类[38]。然而，1D-CNN往往难以提取详细的信息。因此，Chaudhri S. N.设计了抗漂移的稳健分类器（DTRC），旨在在解决短期漂移问题的同时，提取更深层次的信息[39]。对于回归问题，则需要收集不同浓度的样本，进而使用多层感知器（MLP）和多元线性回归（MLR）等算法来预测混合气体的浓度值[40][41]。近年来最常用的方法以及现有存在的问题详见补充信息中的表S1。

上述机器学习算法与深度学习算法在气体识别方面的差异不仅体现在识别精度上，还体现在参数计算复杂性上。由于采用了特征提取技术，机器学习方法能够显著降低特征向量的维度并提高训练速度，但不适合存在漂移的复杂环境。相反，深度学习算法通过引入卷积概念、多通道机制以及自注意力机制，能够从原始响应序列中捕获更多信息，因此更适用于存在漂移的复杂环境。不过，由于大多数深度学习模型源自计算机视觉领域，它们往往具有较高的参数数量，且泛化性能较差。

为解决上述问题，本文提出了一种针对气体传感器阵列的深度学习方法。该方法以相关系数作为特征评估指标，结合了机器学习与深度学习的优点。这一方法不仅能够确保识别精度，还能降低参数计算复杂性，同时解决了混合气体分类和回归这两大核心任务。该工作的具体创新点如下：
(1) 以相关系数作为特征评估指标，从原始传感器响应序列中提取具有高区分度的启发式特征子集。
(2) 提出了一种名为智能多维卷积神经网络（WMDCNN）的新模型。该模型利用自适应多维卷积来增强特征表示能力，“智能”一词特指其中整合了自适应的通道级注意力机制，该机制会为不同维度提取的特征通道赋予不同的权重。
(3) 利用公共数据集进行数据增强，生成具有更强干扰性、更大漂移程度以及更高数值范围的复杂数据集，然后在这些数据集上开展气体分类和浓度预测任务，从而提升识别精度。

片段内容
基于相关系数的特征提取
所提出的方法采用了八种特征提取方法，具体的提取方法详见补充信息中的“特征提取方法”部分。相关系数是一种统计量，用于衡量两个变量之间线性关系的强度，它被广泛应用于数据分析、特征选择以及模型构建等多个领域。在气体识别的特征选择过程中，也可以利用这一指标。

选择具有高区分度的启发式特征子集
由于不同特征可能会因相关性而相互干扰，因此表现最优的特征向量并不一定包含最多的特征。因此，具有高区分度的启发式特征子集应被视为经过智能筛选的特征子集，这些特征共同能够在给定的基础分类器上实现最佳的识别效果。PCA算法的应用表明，特征之间存在着显著的相关性。

结论
本文提出了一种名为WMDCNN的深度学习方法，用于气体传感器阵列，该方法以相关系数作为特征评估指标。通过结合传统的机器学习特征提取方法，将时间序列序列转换为特征向量。根据相关系数的大小选出最优的单个特征，进而生成具有高区分度的启发式特征子集。此外，该方法还包含了……

CRediT作者贡献声明
尹云楠：验证、方法论、数据整理。卢慧琳：可视化、软件、资源、数据整理、概念设计。隋文浩：初稿撰写、软件、方法论、数据整理。许辉：审稿与编辑、方法论、研究调查、资金获取、正式分析、数据整理、概念设计。曹阳杰：审稿与编辑、验证、资源、项目管理、方法论、数据整理、概念设计。孙圆圆：补充信息提供。

更多数据可见补充信息。

利益冲突声明
作者声明不存在任何竞争性财务利益。

利益冲突声明
? 作者声明自己没有已知的竞争性财务利益或可能影响本文研究成果的个人关系。

致谢
本研究得到了河南省自然科学基金（242300421474、222300420295）、国家自然科学基金青年科学基金（82402751）、河南省科技研发计划（222102310547）的支持，同时还得到了郑州市协同创新重大专项（20XTZX06013）的资助。