[發明專利]基于多核Fisher判別分析的電子鼻特征選擇優化方法

有效

• 申請號: 201410789417.0
• 申請日: 2014-12-17
• 公開（公告）號: CN104504407B
• 公開（公告）日: 2018-02-13
• 發明（設計）人: 閆嘉;段書凱;王麗丹;賈鵬飛
• 申請（專利權）人: 西南大學
• 主分類號: G06K9/64
• 分類號: G06K9/64;G06K9/46
• 代理公司: 重慶為信知識產權代理事務所(普通合伙)50216
• 代理人: 余錦曦

1.一種基于多核Fisher判別分析的電子鼻特征選擇優化方法，其特征在于按照以下步驟進行：

步驟1：對電子鼻信號樣本進行特征提取得到樣本特征矩陣X，并表示為X＝[x₁,x₂,…,x_N]，其中x_j表示第j個樣本，j＝1～N，N為樣本總數，N個樣本分為C類，第i類的樣本數為N_i，i＝1～C，則有N=Σi=1CNi;]]>

步驟2：初始化參數σ₁與σ₂，并根據參數σ₁和σ₂分別構建一個基于所述樣本特征矩陣X的基本核函數k₁(x_m,x_n)和k₂(x_m,x_n)，m＝1～N,n＝1～N，然后分別計算基本核矩陣

K1=k1(x1,x1),k1(x1,x2),...,k1(x1,xN)k1(x2,x1),k1(x2,x2),...,k1(x2,xN).........k1(xN,x1),k1(xN,x2),...,k1(xN,xN),]]>

K2=k2(x1,x1),k2(x1,x2),...,k2(x1,xN)k2(x2,x1),k2(x2,x2),...,k2(x2,xN).........k2(xN,x1),k2(xN,x2),...,k2(xN,xN),]]>

其中K₁和K₂均為N×N的矩陣；

步驟3：初始化參數p，其中p為(0，1)之間的常數，按照K＝pK₁+(1-p)K₂計算出高維特征空間內的核矩陣K；

步驟4：求解廣義特征方程(KBK)α＝λ(KK)α，計算特征值λ對應的特征向量α，其中，Bi=1Ni[1]Ni×Ni]]>是元素均為的N_i×N_i矩陣；

步驟5：根據獲得的特征向量α按照A＝[α₁,α₂,...,α_C-1]構建投影矩陣A，則樣本特征矩陣X在高維特征空間內向特征向量構成的子空間的投影為Y＝A^TK；

步驟6：將樣本特征矩陣X的投影Y＝A^TK作為電子鼻信號特征進行模式識別，并在識別過程中用量子粒子群優化算法分別對參數p、σ₁、σ₂以及分類器參數進行同步優化，確定出最高分類識別率對應的核函數及分類器參數；

步驟7：輸入一個新的電子鼻數據z，并基于該核函數計算新樣本z在高維特征空間中的投影g=ATk(x1,z)...k(xN,z),]]>然后將投影g作為分類器的輸入進行模式識別。