原文传递
基于域校正的域自适应极限学习机电子鼻漂移抑制方法
| 专利名称： | 基于域校正的域自适应极限学习机电子鼻漂移抑制方法 |
| 摘要： | 本发明公开了基于域校正的域自适应极限学习机电子鼻漂移抑制方法，其从数据分布的角度出发，将数据分布不一致的源域数据和目标域数据映射到一个高维希尔伯特空间，在此空间最小化源域和目标域的域距离，同时，在最大程度上保留原始源域和目标域的数据属性。得到域校正后的源域和目标域数据，从数据层面上对漂移进行了抑制。再将目标域中的迁移样本和无标签样本纳入ELM中学习，得到域自适用ELM，从决策层面提高预测模型的鲁棒性。本发明的优点：在不增加样本的情况下，调整数据分布，并将目标域中无标签样本纳入到分类器的学习当中，从数据层面和决策层面两个层面上抑制了漂移，提高模型鲁棒性。 |
| 专利类型： | 发明专利 |
| 国家地区组织代码： | 重庆;50 |
| 申请人： | 重庆邮电大学 |
| 发明人： | 梁志芳;徐娟;杨皓诚;杨柳;熊炼;郭坦;陶洋 |
| 专利状态： | 有效 |
| 申请日期： | 2019-01-10T00:00:00+0800 |
| 发布日期： | 2019-04-23T00:00:00+0800 |
| 申请号： | CN201910021835.8 |
| 公开号： | CN109669009A |
| 分类号： | G01N33/00(2006.01);G;G01;G01N;G01N33 |
| 申请人地址： | 400065 重庆市南岸区崇文路2号 |
| 主权项： | 1.基于域校正的域自适应极限学习机电子鼻漂移抑制方法，其特征是，包括以下步骤： 步骤1、获取源域的训练样本和标签以及目标域样本 步骤2、获取目标域迁移样本以及目标域中无标签样本 步骤3、输入正则化系数μ和变换基矩阵维度m； 步骤4、利用源域数据和目标域数据通过构造核矩阵K，构造分布矩阵L，其元素为构造中心矩阵 步骤5、对(KLK+μI)-1KHK进行特征分解，并取前m个最小特征值对应的特征向量构建基矩阵P； 步骤6、得到域校正后的源域数据和目标域数据并利用训练ELM得到输出权重βB； 步骤7、输入正则化系数和 步骤8、利用随机输入权重矩阵W和隐含层误差矩阵B初始化ELM的L个隐含层神经元网络； 步骤9、计算目标域中迁移样本和无标签样本的隐含层输出和 步骤10、计算输出权重 并预测目标域中无标签数据的标签 2.根据权利要求1所述的基于域校正的电子鼻系统漂移补偿方法，其特征是，所述步骤3中变换基矩阵维度m应不大于样本维度d。 |
| 所属类别： | 发明专利 |
检索历史
应用推荐
