[發(fā)明專利]結(jié)合單標(biāo)號(hào)學(xué)習(xí)和多標(biāo)號(hào)學(xué)習(xí)的食用油摻偽鑒別方法

無效

• 申請(qǐng)?zhí)枺?/td>: 201210051179.4
• 申請(qǐng)日: 2012-03-01
• 公開（公告）號(hào): CN103293234A
• 公開（公告）日: 2013-09-11
• 發(fā)明（設(shè)計(jì)）人: 靳小波;霍權(quán)恭
• 申請(qǐng)（專利權(quán)）人: 河南工業(yè)大學(xué)
• 主分類號(hào): G01N30/02
• 分類號(hào): G01N30/02;G06F19/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種結(jié)合單標(biāo)號(hào)學(xué)習(xí)和多標(biāo)號(hào)學(xué)習(xí)的食用油摻偽鑒別方法，步驟如下：

步驟S1：使用高效液相色譜儀器采集食用油樣本，得到各個(gè)時(shí)間點(diǎn)的波譜信號(hào)值；

步驟S2：對(duì)采集得到的食用油樣本進(jìn)行標(biāo)號(hào)，標(biāo)定油樣所屬的類別是否為純油；

步驟S3：按照油樣所屬的類別構(gòu)建多標(biāo)號(hào)分類器，以便于預(yù)測(cè)油樣的成分；

步驟S4：按照油樣是否為純油構(gòu)建單標(biāo)號(hào)分類器；

步驟S5：對(duì)于未知油樣，同時(shí)使用單標(biāo)號(hào)分類器和多標(biāo)號(hào)分類器進(jìn)行預(yù)測(cè)得到油樣的組成成分和是否為純油的檢測(cè)結(jié)果；

步驟S6：當(dāng)油樣的組成成分與油樣是否為純油的檢測(cè)結(jié)果不一致時(shí)，使用單標(biāo)號(hào)預(yù)測(cè)的結(jié)果對(duì)油

樣組成成分的預(yù)測(cè)結(jié)果進(jìn)行矯正；最后依據(jù)每類預(yù)測(cè)結(jié)果的正負(fù)值對(duì)食用油進(jìn)行決策。

2.如權(quán)利要求1中所述的食用油摻偽檢驗(yàn)方法，其特征在于，步驟S1所得到的高效液色譜儀采集食用油的樣本未經(jīng)過任何的特征選擇或尺度變換預(yù)處理步驟，原因在于本發(fā)明所采用的AdaBoost算法：(1)對(duì)線性尺度變換是保持不變的；(2)構(gòu)造弱分類器的過程中已經(jīng)隱含了特征選擇步驟。

3.如權(quán)利要求1中所述的食用油摻偽檢驗(yàn)方法，其特征在于，步驟S2所述的對(duì)食用油樣本進(jìn)行標(biāo)號(hào)，其標(biāo)號(hào)除按照食用油屬于某類標(biāo)定該目標(biāo)列為+1或-1外，還需要根據(jù)該食用油是純油還是混合油標(biāo)為+1或-1，因而總的目標(biāo)列為類別數(shù)目加1。

4.如權(quán)利要求1中所述的食用油摻偽檢驗(yàn)方法，其特征在于，在步驟S3的構(gòu)建多標(biāo)號(hào)分類器的過程中，盡管多標(biāo)號(hào)AdaBoost算法按照one-vs-rest構(gòu)造多個(gè)兩類分類器，但是該算法僅需要遍歷一遍而不是多遍數(shù)據(jù)集來優(yōu)化多標(biāo)號(hào)的指數(shù)損失函數(shù)，極大地提高了算法的性能。

5.如權(quán)利要求4中所述的AdaBoost算法，其特征在于，多標(biāo)號(hào)算法和兩類單標(biāo)號(hào)算法中涉及到的AdaBoost算法均為AdaBoost.RMH，算法的預(yù)測(cè)值均為實(shí)數(shù)。

6.如權(quán)利要求1中所述的食用油摻偽檢驗(yàn)方法，其特征在于，在步驟S4所述的構(gòu)造單標(biāo)號(hào)分類器的過程中，需要根據(jù)食用油是純油或是混合油構(gòu)造兩類分類器，而將多標(biāo)號(hào)AdaBoost輸出預(yù)言值符號(hào)(正號(hào)，負(fù)號(hào))的方式變?yōu)榍髽O大值的方式即為單標(biāo)號(hào)AdaBoost分類器。

7.如權(quán)利要求1中所述的食用油摻偽檢驗(yàn)方法，其特征在于，步驟S5所述，當(dāng)對(duì)未知油樣進(jìn)行預(yù)測(cè)時(shí)，用多標(biāo)號(hào)AdaBoost算法對(duì)油樣進(jìn)行成分預(yù)測(cè)和對(duì)油樣是否為純油進(jìn)行兩類分類是相互獨(dú)立的兩個(gè)過程。

8.如權(quán)利要求1中步驟S6所述的對(duì)成分預(yù)測(cè)結(jié)果進(jìn)行矯正的過程，其特征在于，當(dāng)兩類AdaBoost算法預(yù)測(cè)到油樣為純油，但是多標(biāo)號(hào)分類器卻預(yù)測(cè)到油樣含有多個(gè)成分，或當(dāng)兩類AdaBoost算法預(yù)測(cè)到油樣為混合油，多標(biāo)號(hào)分類器卻預(yù)測(cè)到油樣僅含有一個(gè)成分時(shí)，這兩種情況下，都需要對(duì)多標(biāo)號(hào)分類器的結(jié)果進(jìn)行校正。

9.如權(quán)利要求8中對(duì)多標(biāo)號(hào)分類器的結(jié)果進(jìn)行校正，其特征在于，當(dāng)兩類AdaBoost算法預(yù)測(cè)到油樣為純油時(shí)，則僅將最大輸出對(duì)應(yīng)的那一類置為原值的絕對(duì)值，其他的輸出全置為原值的絕對(duì)值的負(fù)值；當(dāng)兩類AdaBoost算法預(yù)測(cè)到油樣為混合油時(shí)，則將最大值輸出對(duì)應(yīng)的那一類置為原值的絕對(duì)值以外，還要將次大值輸出對(duì)應(yīng)的那一類置為原值的絕對(duì)值，而其他的輸出保持不變。

10.如權(quán)利要求1中步驟S6所述的依據(jù)預(yù)測(cè)結(jié)果對(duì)食用油進(jìn)行決策，其特征在于，對(duì)于某個(gè)待測(cè)的食用油樣本，多標(biāo)號(hào)算法對(duì)于每一類均給出一個(gè)帶有正負(fù)號(hào)的預(yù)測(cè)值，通過統(tǒng)計(jì)正預(yù)測(cè)值的數(shù)目可知，該食用油是純油還是混合油；通過預(yù)測(cè)值的正負(fù)值，可知，該食用油屬于哪些類別。?