Metodologia de seleccion de componentes principales comunes para representacion y extraccion de las derivas presentes en sensores de gas

Abstract

Los sistemas de detección y clasificación de olores a menudo se ven afectados por la presencia de derivas, esto ocasiona que los modelos utilizados en los algoritmos para el reconocimiento de patrones tengan cortos periodos de utilidad y por lo tanto tienen la necesidad de una recalibración constante (Arthurson, Eklöv, Lundström, Marterson, Sjöstrom, & Holmberg, 2000). Este fenómeno, además de hacer obsoletos los modelos construidos, degradan la estabilidad del dispositivo en el proceso de reconocer y cuantificar los compuestos volátiles (Ziyatdinov, y otros, 2009). Este trabajo presenta una metodología novedosa para enfrentar el problema de las derivas existentes en sensores químicos empleados en sistemas de olfato artificial, por medio de la cual se logra mitigar el efecto causado por las mismas al reducir los errores en la clasificación de diferentes compuestos volátiles. Se aplicó la técnica de análisis estadístico multivariado, denominada Análisis de Componentes Principales Comunes (CPCA) combinada con la técnica de corrección de componentes (CC) planteada por (Arthurson, y otros, 2000) y se determinó un criterio de selección del número de componentes principales comunes a ser substraídas de las medidas para mejorar la exactitud en el proceso de detección de olores. La metodología propuesta en este trabajo tuvo como punto de partida la investigación realizada en (Ziyatdinov, y otros, 2009), donde los autores emplean sólo la primera componente principal común para hacer la corrección de las derivas con el propósito de asumir ésta corrección como lineal. Las componentes de deriva presentes en sistemas de olfato artificial son realmente no lineales, por tanto en este trabajo se incorporó como novedad el remover un mayor número de componentes para mitigar su efecto y a su vez considerando el no capturar información relevante para el sistema de clasificación. Los resultados de substraer mayor cantidad de componentes principales comunes en la corrección de las derivas demostraron que el remover más de una componente principal común mediante la corrección de componentes, ocasiona incrementos en los porcentajes de acierto en el proceso de clasificación sobre los datos de validación. Se determina el número adecuado de componentes que se deben remover a partir de un indicador de la separabilidad de los conjuntos de datos, calculado a partir del conjunto de datos usado para el entrenamiento.