【技术实现步骤摘要】
一种自适应特征选择的电子鼻阵列优化方法
[0001]本专利技术属于传感器
,涉及一种自适应特征选择的电子鼻阵列优化方法。
技术介绍
[0002]电子鼻系统作为气体检测的有效工具之一,已广泛应用于环境监测、医疗诊断、食品安全等多个领域。由于电子鼻传感器阵列具有维数高、交叉敏感性强等特点,阵列优化是电子鼻系统的重要问题之一。不恰当的传感器组合会导致一些问题,包括选择性重叠、高计算开销、性能下降等。
[0003]为了获取更好的模式识别效果,往往采用特征选择的方法对传感器进行筛选。然而在优化过程中仍然存在一些未解决的问题,如自动确定最佳子集大小、采用贪婪搜索策略时的停止准则等。基于信息论的特征选择算法多依赖于相关性和冗余性,缺乏对互补性的考量,并且缺少贪婪搜索策略时的停止准则。目前广泛认可的停止准则是:特征子集与类标签的互信息值不再增加或达到最大值。该准则在低维空间有一定的适用性;但在高维空间中,由于很难确定残差项的大小,特征子集与类标签的互信息仍旧难以得到可靠的估计,该准则在传感器数量较多的阵列优化中效果并不理想。
[0004]本专利所公开的一种自适应特征选择的电子鼻阵列优化方法,基于惩罚冗余、奖励互补的原则,能够自动更新特征相关性、冗余性、互补性之间的权衡规则,同时采用基于多元矩阵Renyi熵泛函监测特征之间的条件互信息,自动确定最佳传感器阵列大小,选择最优传感器特征子集,在高维空间中具有一定的适用性。
技术实现思路
[0005]有鉴于此,本专利技术的目的在于提供一种自适应特征选择的 ...
【技术保护点】
【技术特征摘要】
1.一种自适应特征选择的电子鼻阵列优化方法,其特征在于:包括以下步骤:S1:获取传感器阵列在目标气体环境下的时间响应序列,建立传感器阵列的原始特征集;S2:训练阵列优化模型,遍历传感器特征集合,计算每个特征与类标签之间的归一化互信息;S3:将归一化互信息最高的特征加入已选特征子集,并从传感器特征集合中删除该特征;S4:遍历传感器特征集合,计算特征与已选特征子集之间的相关性、冗余性和互补性;S5:判断特征的冗余性是否大于0;S6:若大于0,通过超参数优化评价函数;S7:若小于0,特征与标签的互信息值即为其评价分数;S8:将评价分数最高的特征加入已选特征子集,并从传感器特征集合中删除该特征,判断当前条件互信息是否小于阈值;S9:若小于阈值,则停止遍历,当前已选特征子集为最优特征子集;S10:若大于阈值,则继续遍历。2.根据权利要求1所述的一种自适应特征选择的电子鼻阵列优化方法,其特征在于,在步骤S1中,所述原始特征集F具体包括:在一定的时间序列范围内,传感器在目标气体下响应的最大值。定义F为:F={X1,X2,
…
,X
n
}其中,n代表传感器的个数,每个特征X
i
(1≤i≤n)包含传感器在一定时间范围内不同样本下的响应最大值。定义X
i
为:其中,i代表传感器序号,j代表样本值,X为一个m维的向量,F为一个m
×
n的二维矩阵。3.根据权利要求1所述的一种自适应特征选择的电子鼻阵列优化方法,其特征在于,在步骤S2中,计算集合F中所有特征与类标签Y的归一化互信息SU(X
k
,Y)。定义SU(X
k
,Y)为:通过特征X
k
与类标签Y之间的归一化互信息衡量传感器与目标气体之间的相关性。其中,类标签Y为离散值,代表不同的目标气体。归一化互信息SU(X
k
,Y)的范围为[0,1],当SU(X
k
,Y)=0时,特征X
k
与标签Y相互独立,即传感器k对识别目标气体帮助不大;当SU(X
k
,Y)=1时,特征X
k
与标签Y强相关,即传感器k是识别目标气体的重要元件。4.根据权利要求1所述的一种自适应特征选择的电子鼻阵列优化方法,其特征在于,在步骤S3中,将归一化互信息SU(X
k
,Y)最高的特征X
max
加入已选特征子集S,并从特征集F中删除该特征,即S=S∪X
max
F=F\X
max
其中,已选特征子集S在初始时为空集。5.根据权利要求1所述的一种自适应特征选择的电子鼻阵列优化方法,其特征在于,在
步骤S4中,计算特征集合F中所有特征与已选特征子集S之间的相关性、冗余性和互补性。相关性A(X
k
)定义为:A(X
k
)=I(X
k
;Y)通过候选特征与类标签Y之间的互信息来衡量相关性。相关性A(X
k
)越大,候选特征为类标签提供的信息越多,该传感器对识别目标气体的能力越强。冗余性R(X
k
)定义为:通过候选特征与已选特征子集S、标签Y的交互信息之和来衡量冗余性。当R(X
k
)>0时,该候选特征与已选特征子集S存在冗余;当R(X
k
)≤0时,该候选特征与已选特征子集S相互独立。互补性C(X
k
)定义为:通过已选特征子集S下,特征与类标签Y之间信息量的大小来衡量互补性。互补性C(X
k
)越大,则候选特征在已选特征子集基础上提供的信息越多,表明该传感器对识别目标气体性能越强。6.根据权利要求1中所述的一种自适应特征选择的电子鼻阵列优化方法,其特征在于,在步骤S5中,判断特征的冗余性是否大于0。7.根据权利要求1中所述的一种自适应特征选择的电子鼻阵列优化方法,其特征在于,在步骤S6中,若R(X
k
)>0,则通过超参数...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。