一种基于Fisher分类器组的连续型数据预处理方法技术

本发明专利技术公开了一种基于Fisher分类器组的连续型数据预处理方法，使用Fisher判别准则生成多个Fisher分类器，组成Fisher分类器组；将各样本原始数据输入Fisher分类器组获得输出，最后将这些输出结果通过非线性连续函数进行映射，并将映射结果作为数据预处理结果。用Fisher分类器组的输出获得一定的样本分类冗余信息，随后在“非线性连续函数”映射过程中减小奇异值和野值对后续分类器的影响，最终可在不改变分类器性能的情况下，提高分类器的准确度；本发明专利技术提出的方法正确识别率为96.83％。

【技术实现步骤摘要】

本专利技术属于数据处理
，尤其涉及一种基于Fisher分类器组的连续型数据预处理方法。
技术介绍
随着人工智能技术的不断发展，模拟人类嗅觉感知过程的人工嗅觉系统应运而生，该系统由“气体传感器阵列”和“模式识别”两大部分构成。其中，“气体传感器阵列”由多种具有广谱响应的气体传感器组成，对各种气体产生不同的“响应图谱”；“模式识别”部分则利用合适的数学模型对“响应图谱”进行判别，为保证识别结果的准确性与鲁棒性，通常需要在图谱数据进入“模式识别”方法之前进行“数据预处理”。当前的人工嗅觉系统“数据预处理”方法主要包括主成分分析(PCA)、独立分量分析(ICA)、时频变换、归一化处理等。PCA以多维信号相关性作为判断准则，在降维过程中尽可能多地保留有用信息；ICA则以信号独立性为判断依据，对信号进行分解与重组，但存在信号分解过程中会损失原始信号中的幅度信息；时频变换则适用于有效信号与干扰信号频率特性明显相异的情况；归一化处理着重于解决信号幅度差异过大对模式识别方法造成的影响。然而，以上数据预处理方法的处理原则并不以最优分类为目标，即预处理过程中可能将有益于分类的信息剔除而保留某些对分类无用的信息，进而导致：对于同一分类器，往往数据经过预处理后的分类准确率弱于预处理前。因此需要一种以分类准确率为导向的数据预处理方法，保证在不增加分类器复杂度的情况下，获得较好的分类准确率。
技术实现思路
本专利技术的目的在于提供一种基于Fisher分类器组的连续型数据预处理方法，旨在解决
技术介绍
中提及的问题。本专利技术提供一种基于Fisher分类器的人工嗅觉系统数据预处理方法，该基于Fisher分类器的人工嗅觉系统数据预处理方法为：使用Fisher判别准则生成多个Fisher分类器，组成Fisher分类器组：依据训练样本类别，由两类样本组成n个训练子集，利用训练子集Xn生成n个Fisher判别模型，生成n个Fisher分类器，形成Fisher分类器组；将各样本原始数据输入Fisher分类器组获得输出，最后将这些输出结果通过非线性连续函数进行映射，并将映射结果作为数据预处理结果。该基于Fisher分类器组的连续型数据预处理方法包括以下步骤：步骤一、训练子集选择与生成：通过获得若干组观察数据与所属类别的信息作为算法模型建立的依据，每一条信息称为一个训练样本，若干训练样本组成训练集；若训练样本有k类，k≥2；则依据训练样本类别，由两类样本组成个训练子集，训练子集Xn表示为：Xn＝{{xi本文档来自技高网...

【技术保护点】
一种基于Fisher分类器组的连续型数据预处理方法，其特征在于，该基于Fisher分类器组的连续型数据预处理方法为：使用Fisher判别准则生成n个Fisher分类器，组成Fisher分类器组：依据训练样本类别，由两类样本组成n个训练子集，利用训练子集Xn生成n个Fisher判别模型，生成n个Fisher分类器，形成Fisher分类器组；将各样本原始数据输入Fisher分类器组获得输出，最后将输出结果通过非线性连续函数进行映射，并将映射结果作为数据预处理结果。

【技术特征摘要】
1.一种基于Fisher分类器组的连续型数据预处理方法，其特征在于，该基于Fisher分类器组的连续型数据预处理方法为：使用Fisher判别准则生成n个Fisher分类器，组成Fisher分类器组：依据训练样本类别，由两类样本组成n个训练子集，利用训练子集Xn生成n个Fisher判别模型，生成n个Fisher分类器，形成Fisher分类器组；将各样本原始数据输入Fisher分类器组获得输出，最后将输出结果通过非线性连续函数进行...

【专利技术属性】
技术研发人员：刘涛，李东琦，崔兴瑞，陈艳兵，武萌雅，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50