[發明專利]基于迭代加權組稀疏回歸的物質分類方法

在審

• 申請號: 202210713869.5
• 申請日: 2022-06-22
• 公開（公告）號: CN115018003A
• 公開（公告）日: 2022-09-06
• 發明（設計）人: 李茜;鄭成勇;李曉輝
• 申請（專利權）人: 江門市華訊方舟科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州潤禾知識產權代理事務所(普通合伙) 44446
• 代理人: 林偉斌

本發明提供一種基于迭代加權組稀疏回歸的物質分類方法、系統、設備及存儲介質，方法包括：獲取訓練樣本與待測樣本，對訓練樣本與待測樣本進行預處理得到訓練樣本矩陣與待測樣本矩陣，將訓練樣本矩陣與待測樣本矩陣輸入迭代加權組稀疏回歸模型得到待測樣本矩陣關于訓練樣本矩陣的表示系數矩陣，通過表示系數矩陣判斷待測樣本的種類。其中，迭代加權組稀疏回歸模型包括：引入增廣拉格朗日函數，使用交替方向乘子法。

技術領域

本發明涉及稀疏回歸在物質分類領域的應用，更具體的，涉及一種基于迭代加權組稀疏回歸的物質分類方法、系統、設備及存儲介質。

背景技術

傳統的物質品類鑒別方法主要靠看色澤和外觀、聞香味、摸手感及品嘗等方式。這些方法非常依賴鑒別人的經驗，具有較大的主觀性和不確定性。隨著太赫茲技術的快速發展，基于太赫茲光譜技術的食品、藥品檢測、鑒別技術開始出現，使用太赫茲技術結合稀疏回歸算法為物質品類的鑒別提供了新的技術手段。

由于太赫茲技術通常會對單個待測物質采集多條光譜數據，傳統的稀疏回歸算法使用線性回歸的思路，計算單個待測樣本數據相對于全部訓練樣本數據的線性表示，同時要求表示系數稀疏。常用的稀疏回歸算法有L0、L1正則化，最小角回歸法，OMP，Lasso正則化，彈性網等，在傳統的稀疏回歸算法中，Lasso正則化使用1范數，彈性網使用1范數和2范數，沒有考慮到組系數問題，無法很好地結合太赫茲檢測技術對獲取的單個待測物質的多組光譜數據進行計算，進而無法對太赫茲技術檢測的物質進行高效、精準的分類。

發明內容

為了解決現有技術存在的不足，本發明提供了一種基于迭代加權組稀疏回歸的物質分類方法、系統、設備及存儲介質。本發明使用太赫茲技術獲取的單個物質的多組光譜數據，通過迭代加權組稀疏回歸模型，定義了組混合范數，考慮到單個待測物質的多組光譜數據的問題，根據子空間方法原理，使待測樣本的光譜數據由訓練樣本的光譜數據線性組合得到，組合系數滿足全局稀疏，組內可以稠密，通過求解出組合系數，依據組合系數判斷得到樣本的類別，進而對太赫茲技術檢測的物質進行高效、精準的分類。

第一方面，本發明提供了一種基于迭代加權組稀疏回歸的物質分類方法，包括：

獲取訓練樣本與待測樣本；

對訓練樣本與待測樣本進行預處理得到訓練樣本矩陣A與待測樣本矩陣Y；

將訓練樣本矩陣與待測樣本矩陣輸入迭代加權組稀疏回歸模型得到待測樣本矩陣Y關于訓練樣本矩陣A的表示系數矩陣X；

通過表示系數矩陣判斷待測樣本的種類；

本發明的迭代加權組稀疏回歸模型為：

其中k表示迭代次數，d＝1或2，λ為正則化參數且λ0，對角矩陣W_k+1中w_i的數量為n_i，即第i類的樣本數；

初始化k＝0，W₀為單位矩陣，求解(1)式得到Z₁，由(2)式得到W₁，再由(1)式得到Z₂，由(2)式得到W₂，不斷迭代，直至模型收斂，得到X。

若Y中來自于訓練樣本矩陣中的某一類，則Y能由該類的矩陣線性表示，此時，表示系數矩陣X中除了χ_i以外其他部分全為零，一般地，我們可以要求X是組稀疏的。一般地，我們可以要求X是組稀疏的。定義X的組l_d,1-范數為其中vec()為將矩陣拉成向量的算子。當d＝1和2時，顯然，

因此，我們要求Y≈AX的同時，盡量小，

因此，通過計算迭代加權組稀疏回歸模型可以得到表示系數矩陣X并由此得到待測樣本矩陣對應訓練樣本矩陣中的種類，進而對物質進行分類。