机器嗅觉气味类别与强度同时确定方法技术

本发明专利技术涉及一种机器嗅觉同时确定气味类别与强度的方法，所述的方法由ｎ个函数逼近模型集合体来代表ｎ种气味，一一对应；其中：每一个函数逼近模型集合体，由一个多元对数线性回归模型、一个多元对数二次回归模型、一个单输出感知器和一个支持向量机４个专家所组成，代表着一种特定的气味。一个函数逼近模型集合体内各个专家的结构和参数通过学习来自所代表气味的训练样本集所确定。一个气味样本的最终类别与强度由预测相对标准差最小的函数逼近模型集合体所确定。利用本发明专利技术，机器嗅觉装置解决了高维多类别海量样本集的学习问题，具有对成千上万种气味类别与强度的同时确定能力。

【技术实现步骤摘要】

本专利技术涉及一种机器嗅觉同时确定气味类别与强度的方法，具体地说，涉及一种面向高维、大样本、多类别学习问题的，基于函数逼近模型集合体的机器嗅觉气味类别与强度同时确定的方法。
技术介绍
经验丰富的专家能识别4000多种气味，但难以定量确定气味的强度。与之相比，机器嗅觉对气味的分析能力还十分有限。到目前为止，机器嗅觉方法只能识别一、二十种气味，或估计简单成分气体的浓度，几乎没有用该方法同时确定多种气味类别与强度的报道。由此看来，机器嗅觉方法与装置目前的发展水平与人们的期望还存在很大的距离。从长远来看，人们将不可避免地要求机器嗅觉装置能执行多种气味类别与浓度同时确定的任务。但是，一个主要障碍是现有模式识别和函数逼近方法的性能不能满足机器嗅觉的要求。在机器嗅觉技术发展初期，常用的数据处理方法有多元回归、偏最小二乘、聚类分析、主成分分析、判别函数分析、模板匹配等。今天，人工神经网络、支持向量机、独立成分分析等方法应用较多。对多种气味类别与浓度的同时确定问题实际上就是要确定一个气味样品的类别归属及其浓度大小。由于机器嗅觉方法用气敏传感器阵列来感知气味，这一问题从数学上可以被看成是高维测量空间本文档来自技高网...

【技术保护点】
一种机器嗅觉同时确定气味类别与强度的方法，其特征在于，所述的方法由ｎ个函数逼近模型集合体来代表ｎ种气味，一一对应；其中：每一个函数逼近模型集合体，由一个多元对数线性回归模型、一个多元对数二次回归模型、一个单输出感知器和一个支持向量机 ４个专家所组成；代表一种特定的气味，模仿气敏传感器阵列对所代表气味的响应；所述的函数逼近模型集合体通过以下步骤同时确定气味的类别与强度：ａ、将一个复杂的ｎ种气味类别与强度同时确定问题转化为ｎ个多输入单输出函数逼近问题，这里， 多输入是指气敏传感器阵列对一个气味样品的响应向量，维数等于传感器个数，单输出是指对应于该气味样本...

【技术特征摘要】
1.一种机器嗅觉同时确定气味类别与强度的方法，其特征在于，所述的方法由n个函数逼近模型集合体来代表n种气味，一一对应；其中每一个函数逼近模型集合体，由一个多元对数线性回归模型、一个多元对数二次回归模型、一个单输出感知器和一个支持向量机4个专家所组成；代表一种特定的气味，模仿气敏传感器阵列对所代表气味的响应；所述的函数逼近模型集合体通过以下步骤同时确定气味的类别与强度a、将一个复杂的n种气味类别与强度同时确定问题转化为n个多输入单输出函数逼近问题，这里，多输入是指气敏传感器阵列对一个气味样品的响应向量，维数等于传感器个数，单输出是指对应于该气味样本的强度值；b、设来自气味j的训练样本数为Nj，第p个气味样本xp，函数逼近模型k的实际输出为ypk(j)，目标输出为dpk(j)，则模块k对类别j所有训练样本的均方根误差为ϵk(j)=12Nj(dpk(j)-ypk(j))2---(1);]]>c、将一个函数逼近模型集合体j内4个专家的实际输出通过比例变换和指数变换转化为各自的气味强度预测值cpk(j)，并在此基础上求强度预测平均值cp(j)，cp(j)作为专家组j的一个实际输出。专家组j对xp的强度预测平均值为c‾p(j)=14Σk=14cpk(j)---(2);]]>d、计算一个专家组j中4个专家对xp的强度预测值的标准差，然后除以强度预测平均值cp(j)，得到相对标准差ζp(j)，相对标准差ζp(j)作为专家组的另一个实际输出，函数逼近模型集合体j对xp的强度预测相对标准差为ζp(j)=1c‾p(j)14-1Σk=14(cpk(j)-c‾p(j))2×100%---(3);]]>因此，函数逼近模型集合体j的两个实际输出为强度预测平均值cp(j)和相对标准差ζp(j)；e、比较所有函数逼近模型集合体的强度预测相对标准差的大小。...

【专利技术属性】
技术研发人员：高大启，杨云帆，陈伟，朱尚明，
申请(专利权)人：华东理工大学，
类型：发明
国别省市：31[中国|上海]