[發(fā)明專利]基于極限學(xué)習(xí)機(jī)的電子鼻信號(hào)漂移補(bǔ)償子空間對(duì)齊方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110903094.3
• 申請(qǐng)日: 2021-08-06
• 公開（公告）號(hào): CN113627084A
• 公開（公告）日: 2021-11-09
• 發(fā)明（設(shè)計(jì)）人: 閆嘉;段書凱;王麗丹;陳飛越;王子健
• 申請(qǐng)（專利權(quán)）人: 西南大學(xué)
• 主分類號(hào): G06F30/27
• 分類號(hào): G06F30/27;G06K9/62;G06F111/04
• 代理公司: 重慶為信知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 50216
• 代理人: 鄭鯤熙

1.一種基于極限學(xué)習(xí)機(jī)的電子鼻信號(hào)漂移補(bǔ)償子空間對(duì)齊方法，其特征在于，包括如下步驟，步驟A：獲取電子鼻數(shù)據(jù)；該電子鼻數(shù)據(jù)包括未漂移的電子鼻數(shù)據(jù)和待校準(zhǔn)的漂移電子鼻數(shù)據(jù)；

步驟B：將未漂移的電子鼻數(shù)據(jù)作為源域數(shù)據(jù)X_S,將待校準(zhǔn)的漂移電子鼻數(shù)據(jù)作為目標(biāo)域數(shù)據(jù)X_T；

步驟C：選擇激活函數(shù)并隨機(jī)生成權(quán)重W和偏置b，將源域數(shù)據(jù)X_S和目標(biāo)域數(shù)據(jù)X_T投影到基于極限學(xué)習(xí)機(jī)的特征空間中得到H_S和H_T；H_S代表源域數(shù)據(jù)X_S在特征空間中的表示；H_T代表目標(biāo)域數(shù)據(jù)X_T在特征空間中的表示；

步驟D：將基于極限學(xué)習(xí)機(jī)的特征空間中的源域數(shù)據(jù)H_S和目標(biāo)域數(shù)據(jù)H_T投影到校準(zhǔn)子空間中后，為了對(duì)齊H_S和H_T之間的數(shù)據(jù)分布，對(duì)校準(zhǔn)子空間中投影源域數(shù)據(jù)集和目標(biāo)域數(shù)據(jù)集的聯(lián)合最大均值差異做最小化處理；

步驟E：在投影過程中引入目標(biāo)域樣本的流形空間信息，強(qiáng)制原始空間中的樣本在學(xué)習(xí)子空間中保持彼此接近；

步驟F：為了防止投影后數(shù)據(jù)特征與其對(duì)應(yīng)標(biāo)簽之間的依賴性降低從而影響識(shí)別率，根據(jù)HSIC準(zhǔn)則來增強(qiáng)特征和標(biāo)簽之間的依賴性；

步驟G：為了提高分類模型的特征選擇能力選擇，使用l_2,1范數(shù)來對(duì)投影子空間施加約束；

步驟H：為了使投影后的源域數(shù)據(jù)集更具有可分性，在學(xué)習(xí)子空間中增強(qiáng)源域數(shù)據(jù)集的類間離散性和類內(nèi)收斂性，通過計(jì)算并最小化投影源域數(shù)據(jù)集的類內(nèi)散射矩陣和類間散度矩陣；

步驟I：為了避免投影扭曲源域和目標(biāo)域的樣本數(shù)據(jù)，通過最大化投影后源域數(shù)據(jù)H_S和目標(biāo)域數(shù)據(jù)H_T的方差，對(duì)投影后源域數(shù)據(jù)集和投影目標(biāo)域數(shù)據(jù)集的判別信息做最大化處理，以便保留更多的可用信息；

步驟J：聯(lián)合步驟D～步驟I的結(jié)果，得到子空間對(duì)齊極限學(xué)習(xí)機(jī)模型SAELM；并且通過優(yōu)化計(jì)算和特征值分解方法得到校準(zhǔn)子空間的投影基β^*的快速求解公式；

步驟K：根據(jù)步驟J得到的源域數(shù)據(jù)與目標(biāo)域數(shù)據(jù)，利用投影基β^*從基于極限學(xué)習(xí)機(jī)的特征空間投影到校準(zhǔn)子空間，得到校準(zhǔn)子空間中源域電子鼻數(shù)據(jù)和目標(biāo)域電子鼻數(shù)據(jù)校準(zhǔn)后的特征表示，分別用和表示；

步驟L：建立支持向量機(jī)分類模型，使用進(jìn)行訓(xùn)練，對(duì)進(jìn)行測(cè)試；

步驟M：將得到標(biāo)簽作為電子鼻的預(yù)測(cè)輸出。

2.根據(jù)權(quán)利要求1所述的基于極限學(xué)習(xí)機(jī)的電子鼻信號(hào)漂移補(bǔ)償子空間對(duì)齊方法，其特征在于，所述步驟B包括：

將未漂移電子鼻數(shù)據(jù)作為源域數(shù)據(jù)X_S，其標(biāo)簽為Y_S，代表第i個(gè)樣本數(shù)據(jù)，i＝1～N_S；表示第i個(gè)樣本數(shù)據(jù)對(duì)應(yīng)的標(biāo)簽，m表示樣本數(shù)據(jù)的類別總數(shù)，將待校準(zhǔn)的漂移電子鼻數(shù)據(jù)作為目標(biāo)域數(shù)據(jù)X_T；j＝1～N_T；D代表數(shù)據(jù)維數(shù)，表示實(shí)數(shù)集，源域數(shù)據(jù)X_S和目標(biāo)域數(shù)據(jù)X_T的樣本個(gè)數(shù)分別為N_S和N_T,上標(biāo)T表示轉(zhuǎn)置矩陣。

3.根據(jù)權(quán)利要求2所述的基于極限學(xué)習(xí)機(jī)的電子鼻信號(hào)漂移補(bǔ)償子空間對(duì)齊方法，其特征在于，所述步驟C包括：

選擇激活函數(shù)并隨機(jī)生成權(quán)重和偏置將原始空間中源域數(shù)據(jù)X_S和目標(biāo)域數(shù)據(jù)X_T的樣本投影到基于極限學(xué)習(xí)機(jī)的L維特征空間；得到H_S和H_T，H_S代表源域數(shù)據(jù)X_S在特征空間中的表示和H_T代表目標(biāo)域數(shù)據(jù)X_T在特征空間中的表示，其中和分別表示源域數(shù)據(jù)X_S和目標(biāo)域數(shù)據(jù)X_T的樣本在基于極限學(xué)習(xí)機(jī)的特征空間中的表征；L代表基于極限學(xué)習(xí)機(jī)的特征空間的維度。