基于半監(jiān)督學(xué)習(xí)的電子鼻室內(nèi)毒氣智能識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電子鼻信號(hào)處理中的分類(lèi)識(shí)別技術(shù)，具體地說(shuō)，是一種基于半監(jiān)督學(xué) 習(xí)的電子鼻室內(nèi)毒氣智能識(shí)別方法。
【背景技術(shù)】
[0002] 目前，對(duì)于室內(nèi)毒氣檢測(cè)，為了保證檢測(cè)結(jié)果的正確性，所采用的電子鼻系統(tǒng)在訓(xùn) 練階段需采用大量的學(xué)習(xí)樣本，一般來(lái)說(shuō)，使用有標(biāo)簽數(shù)據(jù)訓(xùn)練得到的電子鼻對(duì)毒氣的分 類(lèi)正確率要高于基于無(wú)標(biāo)簽數(shù)據(jù)訓(xùn)練得到的電子鼻，但是無(wú)標(biāo)簽數(shù)據(jù)要比有標(biāo)簽數(shù)據(jù)更容 易獲取。
[0003] 因此，有人提出了半監(jiān)督學(xué)習(xí)技術(shù)，通過(guò)半監(jiān)督學(xué)習(xí)技術(shù)可以幫助電子鼻不僅從 訓(xùn)練樣本中學(xué)習(xí)相關(guān)模式，也可從未知標(biāo)簽樣本中學(xué)習(xí)相關(guān)知識(shí)，從而實(shí)現(xiàn)對(duì)某種氣味模 式的持續(xù)學(xué)習(xí)即直到識(shí)別率不再發(fā)生任何提高為止。
[0004] 但是，已提出的半監(jiān)督學(xué)習(xí)技術(shù)存在的不足：一是很大一部分半監(jiān)督學(xué)習(xí)技術(shù)針 對(duì)的是二分類(lèi)問(wèn)題，而室內(nèi)毒氣的種類(lèi)遠(yuǎn)不止兩類(lèi)，因此無(wú)法滿足應(yīng)用需求；二是可進(jìn)行多 分類(lèi)的半監(jiān)督學(xué)習(xí)算法，其分類(lèi)器規(guī)模又被限定，導(dǎo)致對(duì)測(cè)試樣本的學(xué)習(xí)效果不佳，分類(lèi)精 度不高。

【發(fā)明內(nèi)容】

[0005] 針對(duì)現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種基于半監(jiān)督學(xué)習(xí)的電子鼻室內(nèi)毒 氣智能識(shí)別方法，該方法提高了基本分類(lèi)器規(guī)模，具有更強(qiáng)的從未知標(biāo)簽樣本中學(xué)習(xí)氣味 模式的能力，能夠使得電子鼻對(duì)每一種毒氣的模式識(shí)別率達(dá)到最理想的水平。
[0006] 為達(dá)到上述目的，本發(fā)明采用的技術(shù)方案如下：
[0007] -種基于半監(jiān)督學(xué)習(xí)的電子鼻室內(nèi)毒氣智能識(shí)別方法，其關(guān)鍵在于按照以下步驟 進(jìn)行：
[0008] 步驟1 :獲取已知標(biāo)簽的毒氣樣本數(shù)據(jù)集L與未知標(biāo)簽的毒氣樣本數(shù)據(jù)集U，預(yù)設(shè) 基本分類(lèi)器的數(shù)目M = 3,當(dāng)前訓(xùn)練次數(shù)為t ;
[0009] 步驟2 :從已知標(biāo)簽的毒氣樣本數(shù)據(jù)集L中隨機(jī)產(chǎn)生M個(gè)規(guī)模相等的子集L1來(lái)訓(xùn) 練每個(gè)基本分類(lèi)器C1, i = 1~M ;
[0010] 步驟3 :利用步驟2訓(xùn)練出的每個(gè)基本分類(lèi)器對(duì)已知標(biāo)簽的毒氣樣本數(shù)據(jù)集L進(jìn) 行分類(lèi)識(shí)別，得到每個(gè)分類(lèi)器的初始識(shí)別率，利用簡(jiǎn)單投票法對(duì)所有分類(lèi)器的判別結(jié)果進(jìn) 行整合，得到系統(tǒng)初始識(shí)別率；
[0011] 步驟4 :設(shè)第i個(gè)基本分類(lèi)器C1為主分類(lèi)器，采用主分類(lèi)器對(duì)未知標(biāo)簽的毒氣樣本 數(shù)據(jù)集U中的數(shù)據(jù)進(jìn)行分類(lèi)，并采用其余的M-I個(gè)基本分類(lèi)器對(duì)未知標(biāo)簽的毒氣樣本數(shù)據(jù) 集U中數(shù)據(jù)的標(biāo)簽進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)錯(cuò)誤率 ei(t);
[0012] 步驟5 :當(dāng)本次訓(xùn)練出的基本分類(lèi)器的預(yù)測(cè)錯(cuò)誤率ei(t)低于上一次預(yù)測(cè)錯(cuò)誤率 ei (t-Ι)時(shí)，如果未知標(biāo)簽的毒氣樣本數(shù)據(jù)集U中的數(shù)據(jù)被其余M-I個(gè)基本分類(lèi)器投票的結(jié) 果超過(guò)預(yù)設(shè)的閾值θ，則將該數(shù)據(jù)并入數(shù)據(jù)集L1U)中；
[0013] 步驟6 :判斷是否滿足 其中Il1U) I表示本次訓(xùn)練數(shù)據(jù) 集L1U)的規(guī)模，IL1U-I) I表不上一伏訓(xùn)珎數(shù)據(jù)果L1U-I)的規(guī)模，ejt)表示本次訓(xùn)練 出的基本分類(lèi)器C1的預(yù)測(cè)錯(cuò)誤率，e i (t-ι)表示上一次訓(xùn)練出的基本分類(lèi)器C1的預(yù)測(cè)錯(cuò)誤 率；
[0014] 如果滿足，則利用步驟5所得的新的數(shù)據(jù)集L1 (t)和原始的數(shù)據(jù)子集1^對(duì)基本分 類(lèi)器(^進(jìn)行重新訓(xùn)練；
[0015] 否則，從步驟5所得的新的數(shù)據(jù)集L1⑴中隨機(jī)移除s個(gè)樣本后再和原始的數(shù)據(jù) 子集L1對(duì)基本分類(lèi)器c i進(jìn)行重新訓(xùn)練，其中：，int () 為取整函數(shù)；
[0016] 步驟7 :按照i = 1~M依次對(duì)M個(gè)基本分類(lèi)器進(jìn)行步驟4至步驟6的操作，直至 每個(gè)基本分類(lèi)器的識(shí)別率不再發(fā)生變化；
[0017] 步驟8 :按照M = M+1增加基本分類(lèi)器的數(shù)目，重復(fù)步驟2至步驟7的操作，直至 系統(tǒng)的識(shí)別率達(dá)到預(yù)期目標(biāo)。
[0018] 在實(shí)施過(guò)程中，所述基本分類(lèi)器使用支持向量機(jī)或人工神經(jīng)網(wǎng)絡(luò)構(gòu)建，當(dāng)然也可 以采用其他的分類(lèi)識(shí)別算法構(gòu)建基本分類(lèi)器。
[0019] 作為優(yōu)選，步驟4中按照/Κ/) '計(jì)算預(yù)測(cè)錯(cuò)誤率，其中ni(t)表示在第 t次訓(xùn)練時(shí)，未知標(biāo)簽的毒氣樣本數(shù)據(jù)集U中被其余M-I個(gè)基本分類(lèi)器預(yù)測(cè)并獲得標(biāo)簽的樣 本，n/ (t)表示未知標(biāo)簽的毒氣樣本數(shù)據(jù)集U中被其余M-I個(gè)基本分類(lèi)器預(yù)測(cè)并獲得正確 標(biāo)簽的樣本。
[0020] 本發(fā)明中，采用已知標(biāo)簽的毒氣樣本數(shù)據(jù)集L的樣本訓(xùn)練每一個(gè)基本分類(lèi)器，在 每次學(xué)習(xí)循環(huán)中每一個(gè)基本分類(lèi)器輪流作為主分類(lèi)器，通過(guò)主分類(lèi)器對(duì)未知標(biāo)簽樣本數(shù)據(jù) 集U進(jìn)行分類(lèi)，并利用其余的基本分類(lèi)器對(duì)樣本數(shù)據(jù)集U中數(shù)據(jù)的標(biāo)簽進(jìn)行預(yù)測(cè)，在投票表 決結(jié)果中，如果數(shù)據(jù)集U中某一數(shù)據(jù)標(biāo)簽的投票數(shù)超過(guò)預(yù)先設(shè)置好的閾值時(shí)，則該樣本數(shù) 據(jù)連同它的標(biāo)簽將被用來(lái)與原始的數(shù)據(jù)集L 一起重新訓(xùn)練分類(lèi)器，最后再通過(guò)增加分類(lèi)器 的數(shù)目來(lái)判定系統(tǒng)的識(shí)別率是否已經(jīng)達(dá)到最優(yōu)，這樣訓(xùn)練后的分類(lèi)器不僅具有更多的基本 分類(lèi)器規(guī)模，而且具有更強(qiáng)的從未知標(biāo)簽樣本中學(xué)習(xí)氣味模式的能力。
[0021] 本發(fā)明的顯著效果是：相較于現(xiàn)有分類(lèi)識(shí)別算法，不僅提高了基本分類(lèi)器規(guī)模，而 且具有更強(qiáng)的從未知標(biāo)簽樣本中學(xué)習(xí)氣味模式的能力，使得最終獲得的電子鼻對(duì)每一種毒 氣的模式識(shí)別率達(dá)到最理想的水平。
【具體實(shí)施方式】
[0022] 下面對(duì)本發(fā)明的【具體實(shí)施方式】以及工作原理作進(jìn)一步詳細(xì)說(shuō)明。
[0023] -種基于半監(jiān)督學(xué)習(xí)的電子鼻室內(nèi)毒氣智能識(shí)別方法，按照以下步驟進(jìn)行：
[0024] 步驟I :獲取已知標(biāo)簽的毒氣樣本數(shù)據(jù)集L與未知標(biāo)簽的毒氣樣本數(shù)據(jù)集U，預(yù)設(shè) 基本分類(lèi)器的數(shù)目M = 3,當(dāng)前訓(xùn)練次數(shù)為t ;
[0025] 步驟2 :從已知標(biāo)簽的毒氣樣本數(shù)據(jù)集L中隨機(jī)產(chǎn)生M個(gè)規(guī)模相等的子集L1來(lái)訓(xùn) 練每個(gè)基本分類(lèi)器C1, i = 1~M ;
[0026] 步驟3 :利用步驟2訓(xùn)練出的每個(gè)基本分類(lèi)器對(duì)已知標(biāo)簽的毒氣樣本數(shù)據(jù)集L進(jìn) 行分類(lèi)識(shí)別，得到每個(gè)分類(lèi)器的初始識(shí)別率，利用簡(jiǎn)單投票法對(duì)所有分類(lèi)器的判別結(jié)果進(jìn) 行整合，得到系統(tǒng)初始識(shí)別率；
[0027] 步驟4 :設(shè)第i個(gè)基本分類(lèi)器C1為主分類(lèi)器，采用主分類(lèi)器對(duì)未知標(biāo)簽的毒氣樣本 數(shù)據(jù)集U中的數(shù)據(jù)進(jìn)行分類(lèi)，并采用其余的M-I個(gè)基本分類(lèi)器對(duì)未知標(biāo)簽的毒氣樣本數(shù)據(jù) 集U中數(shù)據(jù)的標(biāo)簽進(jìn)行預(yù)測(cè)，得到預(yù)測(cè)錯(cuò)誤率 ei(t);
[0028] 步驟5 :當(dāng)本次訓(xùn)練出的基本分類(lèi)器的預(yù)測(cè)錯(cuò)誤率ei(t)低于上一次預(yù)測(cè)錯(cuò)誤率 ei (t-Ι)時(shí)，如果未知標(biāo)簽的毒氣樣本數(shù)據(jù)集U中的數(shù)據(jù)被其余M-I個(gè)基本分類(lèi)器投票的結(jié) 果超過(guò)預(yù)設(shè)的閾值Θ，則將該數(shù)據(jù)并入數(shù)據(jù)集L 1U)中；
[0029] 步驟6 :判斷是否滿{
其中I L1 (t) I表示本次訓(xùn)練數(shù)據(jù) 集L1U)的規(guī)模，Il1U-I) I表示上一次訓(xùn)練數(shù)據(jù)集L1U-I)的規(guī)模，ei(t)表示本次訓(xùn)練 出的基本分類(lèi)器C1的預(yù)測(cè)錯(cuò)誤率，e i (t-ι)表示上一次訓(xùn)練出的基本分類(lèi)器C1的預(yù)測(cè)錯(cuò)誤 率；
[0030] 如果滿足，則利用步驟5所得的新的數(shù)據(jù)集L1 (t)和原始的數(shù)據(jù)子集1^對(duì)基本分 類(lèi)器(^進(jìn)行重新訓(xùn)練；
[0031] 否則，從步驟5所得的新的數(shù)據(jù)集L (t)中隨機(jī)移除s個(gè)樣本后再和原始的數(shù)據(jù) 子集L1對(duì)基本分類(lèi)器c i進(jìn)