基于改進(jìn)型量子粒子群算法的電子鼻參數(shù)同步優(yōu)化算法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及到信號與信息處理技術(shù)領(lǐng)域，具體地說，是一種基于改進(jìn)型量子粒子 群算法的電子鼻參數(shù)同步優(yōu)化算法。
【背景技術(shù)】
[0002] 電子鼻是利用氣體傳感器陣列的響應(yīng)圖譜來識別氣味的電子系統(tǒng)，它可以在幾小 時(shí)、幾天甚至數(shù)月的時(shí)間內(nèi)連續(xù)地、實(shí)時(shí)地監(jiān)測特定位置的氣味狀況。
[0003] 醫(yī)用電子鼻是一種特殊的電子鼻系統(tǒng)，它可以通過檢測患者呼出的氣體或傷口頂 部空間的氣體，實(shí)現(xiàn)疾病或傷口感染的診斷。具有響應(yīng)時(shí)間短，檢測速度快，成本低，操作簡 單方便，且具有人工智能的優(yōu)點(diǎn)，因此獲得了廣泛的關(guān)注和應(yīng)用。
[0004] 電子鼻的智能算法系統(tǒng)包括特征提取、數(shù)據(jù)降維以及模式識別等環(huán)節(jié)，各環(huán)節(jié)均 有多個(gè)參數(shù)需要設(shè)置，參數(shù)值的設(shè)定會(huì)直接影響各環(huán)節(jié)的性能，從而對整個(gè)電子鼻系統(tǒng)的 判別結(jié)果產(chǎn)生很大影響，因此在電子鼻的訓(xùn)練過程中，必須采用優(yōu)化算法對其智能算法系 統(tǒng)的參數(shù)進(jìn)行優(yōu)化。
[0005] 而量子粒子群算法（quantum-behaved particle swarm optimization，QPSO)是 一種結(jié)合量子粒子學(xué)和粒子群算法的新型優(yōu)化算法，在收斂速度、尋找最優(yōu)值方面的性能 較傳統(tǒng)的優(yōu)化算法都有很大提升，已被成功應(yīng)用于組合優(yōu)化、工程控制以及圖形與圖像處 理等領(lǐng)域。但標(biāo)準(zhǔn)量子粒子群仍存在如下問題：實(shí)際應(yīng)用量子粒子群尋優(yōu)的過程中，標(biāo)準(zhǔn)量 子粒子群無法保證在有限的迭代次數(shù)內(nèi)，每次運(yùn)行都找到全局最優(yōu)；在迭代的初期，由于需 要粒子分布具有遍歷性時(shí)，所有的粒子過早地朝某一位置集中，在迭代的后期，原本已經(jīng)非 常接近全局最優(yōu)位置的粒子會(huì)在下次迭代時(shí)跳到一個(gè)遠(yuǎn)離全局最優(yōu)的位置。

【發(fā)明內(nèi)容】

[0006] 針對現(xiàn)有技術(shù)的不足，本發(fā)明的目的是提供一種基于改進(jìn)型量子粒子群算法的電 子鼻參數(shù)同步優(yōu)化算法，該方法能夠增加粒子前期遍歷性和后期局部尋優(yōu)能力，且能夠提 高量子粒子群尋找全局最優(yōu)值的能力，從而提高電子鼻信號的識別率。
[0007] 其具體方案如下：
[0008] 一種基于改進(jìn)型量子粒子群算法的電子鼻參數(shù)同步優(yōu)化算法，其關(guān)鍵在于按照以 下步驟進(jìn)行：
[0009] 步驟1 :獲取n個(gè)傳感器的m次實(shí)驗(yàn)數(shù)據(jù)，得到原始樣本矩陣M表示為
【主權(quán)項(xiàng)】
1. 一種基于改進(jìn)型量子粒子群算法的電子鼻參數(shù)同步優(yōu)化算法，其特征在于按照以下 步驟進(jìn)行： 步驟1 :獲取n個(gè)傳感器的m次實(shí)驗(yàn)數(shù)據(jù)，得到原始樣本矩陣M表示為
其中，
是一個(gè)向量，表示第i次實(shí)驗(yàn)第 j個(gè)傳感器隨采樣時(shí)間得到的采樣數(shù)據(jù)，采樣數(shù)目為k; 步驟2 :對原始樣本矩陣M進(jìn)行小波變換，得到S個(gè)感興趣的小波系數(shù)，并按照
對S個(gè)小波系數(shù)進(jìn)行加權(quán)處理，其中，表示第j個(gè)傳感器新的小波系數(shù) 向量，wls為第j個(gè)傳感器的第s個(gè)小波系數(shù)，a/為第s個(gè)小波系數(shù)的權(quán)重系數(shù)，s= 1?
步驟3 :確定適應(yīng)度函數(shù)f，建立基于權(quán)重系數(shù)\以及分類器參數(shù)的量子粒子群，設(shè)定 搜索空間維數(shù)為D，種群規(guī)模為N，最大迭代次數(shù)為T，當(dāng)前迭代次數(shù)t，并初始化種群中每個(gè) 粒子的當(dāng)前位置XJO)和每個(gè)粒子的個(gè)體最優(yōu)位置pbesi^iXjO)，c為粒子序號，c= 1? N； 步驟4 :按照
I計(jì)算粒子間的平均最 佳位置mbest，其中，pbest。^為粒子c第d維的個(gè)體最優(yōu)位置，d= 1?D; 步驟5 :根據(jù)目標(biāo)函數(shù)f計(jì)算當(dāng)前迭代次數(shù)t下每個(gè)粒子的適應(yīng)度值，并將其與該粒子 前次迭代的個(gè)體最好位置pbestjt-l)的適應(yīng)度值比較，若f(Xjt)) >f(pbestjt-l))，貝1J 更新粒子的個(gè)體最優(yōu)位置pbest。(t) =X。(t)，否則不更新； 步驟6 :計(jì)算當(dāng)前迭代次數(shù)t下每個(gè)粒子的個(gè)體最好位置pbestjt)的適應(yīng)度值，并 將其與前次迭代的群體最優(yōu)位置gbes^a-l)的適應(yīng)度值進(jìn)行比較，若f^pbes^a)) > f(gbest。(t-1))，貝更新粒子的群體最優(yōu)位置gbest。(t) =pbest。(t)，否則不更新； 步驟7 :根據(jù)
計(jì)算局部吸引子PcU，其中 0 ?U(0, 1); 步驟8 :按照公式Xe，d=pe，d±a|mbest-Xe，d|Xln(lAi)更新每個(gè)粒子的位置X。，其中，Xc，d為粒子c位于第d維的值，a為搜索擴(kuò)張系數(shù)，a= 〇. 5+0. 5X(T_t)/T，u?U(0, 1); 步驟9 :令迭代次數(shù)t=t+1，并返回步驟4循環(huán)運(yùn)算，直到滿足迭代終止條件，得出適 應(yīng)度函數(shù)f取得最大值時(shí)加權(quán)系數(shù)向量W與分類器參數(shù)； 步驟10 :根據(jù)加權(quán)系數(shù)向量W獲得電子鼻信號的特征矩陣X，并根據(jù)步驟9獲得的分類 器參數(shù)進(jìn)行模式識別。
2. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型量子粒子群算法的電子鼻參數(shù)同步優(yōu)化算法，其 特征在于：所述小波系數(shù)的個(gè)數(shù)S為8個(gè)。
3. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型量子粒子群算法的電子鼻參數(shù)同步優(yōu)化算法，其 特征在于：所述傳感器的個(gè)數(shù)n取20,所述實(shí)驗(yàn)次數(shù)m取80,且80次實(shí)驗(yàn)中包括一種未感 染的氣體實(shí)驗(yàn)和三種病菌感染的氣體實(shí)驗(yàn)，每種氣體實(shí)驗(yàn)各20次。
4. 根據(jù)權(quán)利要求3所述的基于改進(jìn)型量子粒子群算法的電子鼻參數(shù)同步優(yōu)化算法，其 特征在于：所述三種病菌感染的氣體實(shí)驗(yàn)所選擇的病菌分別為綠膿桿菌、大腸桿菌和金黃 葡萄球菌。
5. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型量子粒子群算法的電子鼻參數(shù)同步優(yōu)化算法，其 特征在于：種群規(guī)模N為80,粒子維數(shù)為傳感器個(gè)數(shù)n，最大迭代次數(shù)T為3000。
6. 根據(jù)權(quán)利要求1所述的基于改進(jìn)型量子粒子群算法的電子鼻參數(shù)同步優(yōu)化算法，其 特征在于：所述分類器采用支持向量機(jī)，該分類器的參數(shù)分別為徑向基核函數(shù)的尺度因子 與軟間隔支持向量機(jī)的懲罰因子。
【專利摘要】本發(fā)明公開了一種基于改進(jìn)型量子粒子群算法的電子鼻參數(shù)同步優(yōu)化算法，首先將獲取的原始電子鼻數(shù)據(jù)進(jìn)行小波變換，然后對小波系數(shù)進(jìn)行加權(quán)處理，之后采用基于新型局部吸引子計(jì)算方式的一種改進(jìn)型量子粒子群算法，找到電子鼻模式識別率最到時(shí)對應(yīng)的加權(quán)系數(shù)以及分類器參數(shù)，從而獲得電子鼻信號的特征矩陣，然后將所得特征矩陣輸入分類器進(jìn)行模式識別。其有益效果是：增加了粒子前期遍歷性和后期局部尋優(yōu)能力，提高了量子粒子群尋找全局最優(yōu)值的能力，特別針對傷口感染檢測而言，提高了電子鼻的識別率，從而為醫(yī)生選擇適當(dāng)?shù)闹委煼椒?，促進(jìn)傷口快速恢復(fù)提供了有益指導(dǎo)。
【IPC分類】G06F17-16
【公開號】CN104572589
【申請?zhí)枴緾N201510014051
【發(fā)明人】賈鵬飛, 閆嘉, 段書凱, 王麗丹
【申請人】西南大學(xué)
【公開日】2015年4月29日
【申請日】2015年1月12日