【摘要】为了提高鱼粉品质检测装置的鉴别能力,利用研制的鱼粉品质检测装置,提取鱼粉样本的响应特征信息(10×6个)构成原始特征矩阵,以多层感知器神经网络的鉴别正确率为评价指标,对其传感器阵列进行多特征数据融合优化。首先,通过不同的归一化处理,得到了最佳的归一化处理方法;其次,通过因子载荷分析结果计算获得1 770个特征距离值,按从小到大的顺序对1 770个距离进行排序,并依据特征值距离原点的欧式距离,剔除欧氏距离较小的19个特征值,获得最高的鉴别正确率;最后,对经过载荷分析优化后的原始特征值进行相关性分析,按相关系数绝对值累加和大小进行排序,当剔除掉相关系数绝对值累加和大于37.2时的8个特征值时,此时鉴别正确率为98.3%,特征子集也更紧凑。研究结果表明:特征优化前后的传感器信号的表征特征发生了明显的变化,33个特征值被用来表征鱼粉样本的传感器特征信号。同时,采用马氏距离解释了MLP神经网络鉴别结果的可信性,进一步说明了特征优化方法的合理性。