网络训练参数动量因子α＝0.09，学习因子η＝10.12，最大训练次数为20 000次，目标误差为0.01，训练时间约3min，网络达到目标误差要求。将训练好的网络对样本进行测试，结果如表1所示。对于三次实验，正确的判别结果达到了90%以上。这样的结果是令人满意的，说明本应用可以及早发现肺癌患者。

      本文建立了一套能快速准确地诊断肺癌的电子鼻系统。该电子鼻系统由传感器阵列组成。在数据处理中，对所得的传感器数据采用RBF神经网络进行模式识别处理，选取不同的温度和湿度条件，进行了三次实验。整个测试过程除了样本放入时需要顶空气体稳定2 min左右和采集传感器与样本气体反应数据需要2 min左右外，其他数据处理几乎不到半分钟，因此测试一个样本的时间不超过5 min。但由于所研制的电子鼻还处于实验室阶段，仍有许多需要进一步研究的问题，如在装置上，如何改进现有装置、优化传感器阵列；在数据处理方面，特征值的提取、模式识别算法的改进等。

参考文献

　　1 Wang P，Tan Y，Li R.A novel method for diagnosis diabetes using an electronic nose[J].Biosensors and Bioelectronics，1997；12(9～10)：1031～1036

　　2 Yuh Jiuan Lin，Hong-Ru Guo，Yung-Hsien Chang et al. Application of the eledtronic nose for uremia diagnosis[J].Sensors and Actuators B，2001；76(2001)：177～180

　　3 Michael Phillips.Breath tests in medicine[J].Scientific Ameri-can，1992：74～79

　　4 Gao Daqi，Miao Qin，Nie Guiping.Simultaneous estimation of odor classes and concentrations using an electronic nose[J].IEEE，2004：1353～1358

　　5 Michael Phillips，Renee N，Cataneo.Detection of lung cancer with volatile markers in the breath[J].Chest，2003：2115～2123

　　6 Hao Yu，Liang Xu，Mingfu Cao et al.Detection volatile organic compounds in breath as markers of lung cancer using a novel electronic nose[J].IEEE，2003：1333～1337

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。