[发明专利]基于一类局部表达模型的电子鼻非目标干扰气体识别方法

权利要求书

1.基于一类局部表达模型的电子鼻非目标干扰气体识别方法，其特征是，包括以下步骤：

步骤1、在已确定的目标气体样本X_s中找到待测样本y的一类局部表达模型，待测样本y的一类局部表达模型优化式如下：

式中，是表达系数向量，X_k是在目标气体样本X_s中与待测样本y最相关的k个目标气体样本；0＜λ≤1和0＜μ≤1为正则系数，R(α)为正则规范化范数；α_p,α_q∈α，α_p和α_q是表达系数向量α里的任意两个值,分别表示了X_k中第p个样本和第q个样本的表达系数，w_pq为第p个近邻目标气体样本x_p与第q个近邻目标气体样本x_q的相似程度；

步骤2、计算出表达系数向量α

表达系数向量α的求解式为：

式中，L＝D-M

R(α)具有L1范数和L2范数两种正则化方式，M_pq为矩阵M中第p行q列对应的值；D是一个对角阵，D_pp是矩阵D中的对角线第p个位置的值；σ²是高斯函数的方差，是一个常数，本步骤采用ADMM的方法求解；

步骤3、获取最优误差检测阈值T*

目标气体训练样本的表达误差为：

干扰气体训练样本的表达误差可以表达为：

α^wi表示单个目标气体训练样本w_i∈W的表达系数向量,α^hi表示单个干扰气体训练样本h_i∈H的表达系数向量，表示w_i的k个近邻目标样本，表示h_i的k个近邻目标样本，N为目标气体训练样本数，n为干扰气体训练样本数；

最优误差检测阈值T*为：

步骤4、求得待测样本y与表达值X_kα的残差RES

通过步骤2获得表达系数向量α后，待测样本y的表达误差通过y与表达值X_kα的残差来进行表示，即

通过判断残差RES的大小来判断待测样本y属于目标气体还是干扰气体，如果RES≤T*，那么待测样本y为目标气体；如果RES＞T*，那么待测样本y即为异常的干扰气体。

2.根据权利要求1所述的基于一类局部表达模型的电子鼻非目标干扰气体识别方法，其特征是，在步骤2中，R(α)取L1范数具体求解过程如下：

步骤一：初始化α⁰，z⁰,并输入y,X_k，λ,μ和ρ的值；μ为正则化系数，ρ为ADMM方法的系数，λ为流行正则系数，

步骤二：根据下式更新α^m+1；

α^m+1＝(2X_k^TX_k+2λL+ρI)^-1(ργ^m+2X_k^Ty-z^m)

其中I是单位矩阵；

步骤三：根据下式更新其中i＝1,2,...,N_k；

步骤四：根据下式更新

步骤五：m＝m+1；

步骤六：若没达到收敛条件，重复步骤二，三和步骤四，否则执行步骤七；

步骤七：输出α^m+1。

3.根据权利要求1所述的基于一类局部表达模型的电子鼻非目标干扰气体识别方法，其特征是，在步骤2中，R(α)取L2范数的解为：

α＝(X_k^TX_k+λL+μI)^-1X_k^Ty，

其中I是单位矩阵。

4.根据权利要求2或3所述的的基于一类局部表达模型的电子鼻非目标干扰气体识别方法，其特征是，在步骤3中，最优误差检测阈值T*的求解过程是：

步骤(1)、初始化误差检测阈值T＝ESZ_W，设定变化增量delta；

步骤(2)、根据T的值，针对计算获得的ESZ_W误差值集和ESZ_H误差值集，得到目标气体训练样本集W的检测准确度Accuracy(W)和异常干扰气体训练样本集H的检测准确度Accuracy(H)；

步骤(3)：Accuracy＝(Accuracy(W)+Accuracy(H))/2

步骤(4)：令T＝T+delta，若T<ESZ_H，返回步骤(2)；否则，执行步骤(5)；

步骤(5)：取最大Accuracy对应的T值作为最佳阈值T^*。