[發(fā)明專利]基于有監(jiān)督顯式流形學(xué)習(xí)算法的電子鼻數(shù)據(jù)挖掘方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201210382585.9
• 申請(qǐng)日: 2012-10-10
• 公開(kāi)（公告）號(hào): CN102890718A
• 公開(kāi)（公告）日: 2013-01-23
• 發(fā)明（設(shè)計(jì)）人: 田逢春;賈鵬飛;樊澍;馮敬偉;劉濤;劉穎;趙貞貞
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G06F17/30
• 分類號(hào): G06F17/30
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明涉及電子鼻氣體檢測(cè)領(lǐng)域，具體涉及一種基于有監(jiān)督顯式流形學(xué)習(xí)算法的電子鼻數(shù)據(jù)挖掘方法。

背景技術(shù)

現(xiàn)代電子鼻系統(tǒng)的氣體傳感器陣列通常包含數(shù)十個(gè)氣味傳感器，其中光學(xué)型傳感器陣列甚至包含成百上千個(gè)傳感單元，由此陣列獲得的氣體樣本數(shù)據(jù)的維數(shù)相當(dāng)龐大，直接將該樣本數(shù)據(jù)輸入到人工智能算法進(jìn)行模式判別的效果非常不理想，這主要是因?yàn)殡娮颖堑膫鞲衅麝嚵芯哂薪徊婷舾行缘奶攸c(diǎn)，即對(duì)同一種氣體，傳感器陣列中的多個(gè)單元都會(huì)做出響應(yīng)，這樣在降低因個(gè)別傳感器工作異常影響系統(tǒng)決策風(fēng)險(xiǎn)的同時(shí)也增加了數(shù)據(jù)的冗余度。

電子鼻數(shù)據(jù)挖掘處理包括特征提取和降維，其中特征提取是對(duì)單個(gè)傳感器獲得的數(shù)據(jù)進(jìn)行處理，提取能夠表征所采集的氣體信號(hào)的特征量，構(gòu)成特征值矩陣。目前特征提取方法發(fā)展的比較成熟，現(xiàn)有方法完全能滿足電子鼻數(shù)據(jù)特征提取的要求；降維主要是對(duì)特征值矩陣進(jìn)行維數(shù)約減。因?yàn)殡娮颖菙?shù)據(jù)具有特殊性，因此許多傳統(tǒng)的降維算法在對(duì)維數(shù)進(jìn)行約減的同時(shí)，常發(fā)生關(guān)鍵信息的丟失，導(dǎo)致電子鼻在具體應(yīng)用過(guò)程中發(fā)生誤判，無(wú)法滿足其應(yīng)用要求。

電子鼻作為人工模擬嗅覺(jué)系統(tǒng)，為了使系統(tǒng)能夠“深刻記憶”某氣體的特征，需要大量采集該氣體樣本，同時(shí)為了使系統(tǒng)能夠?qū)Χ喾N氣體進(jìn)行判別，需要采集多種氣體的樣本數(shù)據(jù)供電子鼻系統(tǒng)訓(xùn)練。由此導(dǎo)致用于電子鼻訓(xùn)練的樣本數(shù)據(jù)具有非線性、非均勻分布的特征，傳統(tǒng)的數(shù)據(jù)降維算法像主成分分析（(Principal?Component?Analysis，PCA）屬于線性降維方法，對(duì)待降維數(shù)據(jù)整體使用統(tǒng)一的映射處理，導(dǎo)致許多局部結(jié)構(gòu)信息在降維過(guò)程中被丟棄，使得電子鼻因關(guān)鍵信息的丟失而做出錯(cuò)誤的決策。

流形學(xué)習(xí)算法是一種著眼于局部結(jié)構(gòu)保持的數(shù)據(jù)降維方法，在進(jìn)行降維的同時(shí)，將原數(shù)據(jù)的局部結(jié)構(gòu)信息傳遞給降維后的數(shù)據(jù)，既降低了數(shù)據(jù)的冗余度又保留了關(guān)鍵信息，是一種理想的數(shù)據(jù)降維方法，但傳統(tǒng)的流形學(xué)習(xí)算法在對(duì)電子鼻數(shù)據(jù)進(jìn)行降維的過(guò)程中出現(xiàn)了兩個(gè)問(wèn)題：

1.因?yàn)榱餍螌W(xué)習(xí)算法著眼于局部結(jié)構(gòu)保持，因此無(wú)法給出顯式映射表達(dá)式，這導(dǎo)致其只能對(duì)電子鼻系統(tǒng)的訓(xùn)練用數(shù)據(jù)進(jìn)行降維，而無(wú)法對(duì)新采集數(shù)據(jù)進(jìn)行降維，導(dǎo)致采用流形學(xué)習(xí)算法的電子鼻系統(tǒng)無(wú)法應(yīng)用到氣體檢測(cè)的實(shí)踐環(huán)節(jié)；

2.傳統(tǒng)的流形學(xué)習(xí)算法是無(wú)監(jiān)督算法，對(duì)電子鼻系統(tǒng)的訓(xùn)練用數(shù)據(jù)的局部結(jié)構(gòu)進(jìn)行保持時(shí)，沒(méi)有考慮類內(nèi)與類間特征值點(diǎn)之間關(guān)系的差異，這一細(xì)節(jié)信息的忽略直接導(dǎo)致電子鼻進(jìn)行模式判別時(shí)出現(xiàn)錯(cuò)誤。

從目前的國(guó)內(nèi)文獻(xiàn)研究中，未曾看到有關(guān)使用有監(jiān)督顯式流形學(xué)習(xí)算法進(jìn)行電子鼻數(shù)據(jù)挖掘的報(bào)道。

發(fā)明內(nèi)容

本發(fā)明所要解決的第一個(gè)技術(shù)問(wèn)題就是提供一種基于顯式流形學(xué)習(xí)算法的電子鼻數(shù)據(jù)挖掘方法，它能夠在降維過(guò)程中保持?jǐn)?shù)據(jù)的局部結(jié)構(gòu)并給出顯式映射表達(dá)式，使得電子鼻系統(tǒng)能夠用于新采集數(shù)據(jù)的判別。

本發(fā)明所要解決的第二個(gè)技術(shù)問(wèn)題就是提供一種基于有監(jiān)督顯式流形學(xué)習(xí)算法的電子鼻數(shù)據(jù)挖掘方法，它能夠在降維時(shí)考慮到類內(nèi)和類間特征值點(diǎn)的關(guān)系差異，提高電子鼻系統(tǒng)模式判別的正確率。

為了解決本發(fā)明所提出的第一個(gè)技術(shù)問(wèn)題，本發(fā)明包括以下步驟：

步驟1、氣體樣本的采集

調(diào)整實(shí)驗(yàn)室溫、濕度環(huán)境，使得電子鼻系統(tǒng)的各傳感器能夠正常工作，對(duì)不同種類氣體中的每一個(gè)樣本，均進(jìn)行不少于20次的氣體采集實(shí)驗(yàn)，獲得電子鼻訓(xùn)練用數(shù)據(jù)；

步驟2、氣體樣本的特征提取

對(duì)獲得的電子鼻訓(xùn)練數(shù)據(jù)進(jìn)行特征提取，并構(gòu)成特征值矩陣X，矩陣X的維數(shù)是[m×n]，其中m表示特征值點(diǎn)的總數(shù)，在數(shù)值上等于氣體采樣實(shí)驗(yàn)的總次數(shù)，n表示每一個(gè)特征值點(diǎn)的維數(shù)，由傳感器陣列中傳感器個(gè)數(shù)和特征提取方法共同決定，常見(jiàn)的特征提取方法主要包括：

1、基于傳感器原始響應(yīng)曲線，該類方法主要對(duì)氣體傳感器的響應(yīng)曲線進(jìn)行特征提取，常用的特征包括：最大值、斜率、響應(yīng)曲線的積分面積等；

2、基于擬合曲線，該類方法首先使用適當(dāng)?shù)哪Ｐ蛿M合原始響應(yīng)曲線，然后再提取模型參數(shù)作為特征，常見(jiàn)的用于電子鼻數(shù)據(jù)擬合的模型有多項(xiàng)式模型、指數(shù)模型、分式函數(shù)模型等；

3、基于變換域的特征提取方法，首先對(duì)原始響應(yīng)進(jìn)行適當(dāng)?shù)淖儞Q，然后提取變換系數(shù)作為特征，常見(jiàn)的電子鼻數(shù)據(jù)變換域特征提取方法包括：傅里葉變換、小波變換等；

步驟3、確定特征值矩陣中各點(diǎn)的近鄰

確定特征值矩陣中每個(gè)點(diǎn)的近鄰，常用的確定近鄰關(guān)系有兩種方法：

1、ε-bal法：在以點(diǎn)x_i,i＝1,..n為圓心，以ε為半徑的范圍內(nèi)的所有點(diǎn)都是x_i的近鄰；