An Interpretable Sensor Selection Strategy for Array Optimization and Performance Enhancement

doi:10.1021/acssensors.5c01232

An Interpretable Sensor Selection Strategy for Array Optimization and Performance Enhancement

0

PRE

AI

DOI：10.1021/acssensors.5c01232

原文链接

原文求助

摘要

En 中文

随着更多传感器被集成到电子鼻（E-nose）系统中以提升气体检测精度、多任务处理能力并拓展应用场景，一系列挑战随之出现。这些挑战包括由于传感器阵列中传感器数量增加而导致的交叉敏感性、硬件成本增加、计算复杂度提高以及信息冗余等问题。因此，阵列优化在提升多传感器系统性能方面扮演着关键角色。本研究提出了一种基于Shapley值与互信息的传感器选择方法（SHMI-Select），为多传感器系统提供了一种可解释的传感器选择策略。该策略首先基于可解释性分析选择主传感器，随后通过传感器间的互信息识别次级传感器。此外，引入了一种增量选择方法，用于动态选择最优传感器组合，从而确保系统在各类任务中的稳定性和适应性。通过可解释性分析，该方法不仅能识别关键传感器，还能优化传感器阵列组合。最后，我们在涉及人类呼气、葡萄酒品质及环境气体等三种不同的E-nose数据集上验证了所提出的阵列优化方法。与七种现有算法相比，本方法在显著降低传感器冗余的同时提升了性能——在呼气数据上实现了传感器数量减少62.5%、准确率提升10%，在葡萄酒分类上实现减少83.3%、改进18%，在环境气体上实现减少62.5%、R²值提升2%。该方法在未来E-nose系统的产业化应用中具有良好的应用价值和经济效益。

An Interpretable Sensor Selection Strategy for Array Optimization and Performance Enhancement

摘要

期刊

机构

引用论文