详情

原文传递基于全局和局部融合特征提取的电子鼻低浓度样本检测方法

专利名称：	基于全局和局部融合特征提取的电子鼻低浓度样本检测方法
摘要：	本发明公开了一种基于全局和局部融合特征提取的电子鼻低浓度样本检测方法，步骤为：设置气体电子鼻检测组件和检测环境，按照高浓度的等级、低浓度的等级、高浓度混合量、低浓度混合量，自由组合形成X组气体样本；对X组气体样本进行特征提取，得到第一中间数据；对第一中间数据进行优化处理，得到第二中间数据，并通过所述气体电子鼻检测组件和检测环境得到中间识别数据；获取中间识别数据中识别率最为接近的两组气体样本，作为所述低浓度气体的等效检测气体样本；基于中间识别数据和对应组气体样本中低浓度气体占比例，分别计算出X组气体样本的最终识别数据。有益效果：实验结果表明，无论是整体识别率还是我们提出的新指标，融合效果都很好。
专利类型：	发明专利
国家地区组织代码：	重庆;50
申请人：	西南大学
发明人：	贾鹏飞
专利状态：	有效
申请日期：	2019-05-17T00:00:00+0800
发布日期：	2019-08-20T00:00:00+0800
申请号：	CN201910414348.8
公开号：	CN110146652A
代理机构：	重庆为信知识产权代理事务所(普通合伙)
代理人：	余锦曦
分类号：	G01N33/00(2006.01);G;G01;G01N;G01N33
申请人地址：	400715 重庆市北碚区天生路2号
主权项：	1.一种基于全局和局部融合特征提取的电子鼻低浓度样本检测方法，其特征在于按照以下步骤进行： S1：设置气体电子鼻检测组件和检测环境，通过检测筛选出M种高浓度气体、N种低浓度气体；将M种高浓度气体按照设定的低浓度混合量划分成L等级；并将低浓度气体按照设定的低浓度混合量划分成P个等级；所述高浓度气体和低浓度气体的划分标准是按照气体浓度离散值的排序进行划分； S2：通过控制变量法，按照高浓度的等级、低浓度的等级、高浓度混合量、低浓度混合量，自由组合形成X组气体样本；其中，X＝MLP； S3：根据全局和局部融合特征提取算法，对X组气体样本进行特征提取，得到第一中间数据； S4：采用增强型量子粒子群优化算法对第一中间数据进行优化处理，得到第二中间数据，并通过所述气体电子鼻检测组件和检测环境得到中间识别数据； S5：比较X组气体样本的中间识别数据，获取中间识别数据中识别率最为接近的两组气体样本，作为所述低浓度气体的等效检测气体样本； S6：基于中间识别数据和对应组气体样本中低浓度气体占比例，分别计算出X组气体样本的最终识别数据。 2.根据权利要求1所述的基于全局和局部融合特征提取的电子鼻低浓度样本检测方法，其特征在于：所述高浓度气体和低浓度气体中，至少包括有一种气体成份。 3.根据权利要求1所述的基于全局和局部融合特征提取的电子鼻低浓度样本检测方法，其特征在于：在步骤S3中，所述全局和局部融合特征提取算法或为主成分分析方法和局部使用邻域保持嵌入算法的融合算法；所述全局和局部融合特征提取算法或为独立成分分析方法和局部使用邻域保持嵌入算法的融合算法；所述全局和局部融合特征提取算法或为主成分分析方法和局部保留投影算法的融合算法；所述全局和局部融合特征提取算法或为独立成分分析方法和局部保留投影算法的融合算法。 4.根据权利要求3所述的基于全局和局部融合特征提取的电子鼻低浓度样本检测方法，其特征在于：在步骤S3中，所述全局和局部融合特征提取算法为独立成分分析方法和局部保留投影算法的融合算法，具体为：根据X组气体样本的低浓度的等级、低浓度混合量，构建近邻图；结合降维高维空间矩阵Y，设置近邻图的权重；其中：所述降维高维空间矩阵Y的计算步骤为：将所述X组气体样本整合，形成高维空间矩阵X；选择一个降维矩阵A，设定目标函数，对高维的空间X进行降维，得到降维高维空间矩阵Y；对近邻图进行特征值与特征向量的提取；进行归一化，得到第一中间数据。 5.根据权利要求4所述的基于全局和局部融合特征提取的电子鼻低浓度样本检测方法，其特征在于：设置近邻图的权重时，通过热核进行选取。 6.根据权利要求1所述的基于全局和局部融合特征提取的电子鼻低浓度样本检测方法，其特征在于：在进行优化选择时，按照识别率从高到低的顺序依次选择。 7.根据权利要求3所述的基于全局和局部融合特征提取的电子鼻低浓度样本检测方法，其特征在于：步骤S6中的计算最终识别数据的公式为：其中，x表示所选取的特征提取算法，o(x)代表在所选择的特征提取算法条件下所对应的中间识别数据；表示该中间识别数据下低浓度气体Bi的低浓度混合量。
所属类别：	发明专利