[发明专利]一种基于自组织图的人工嗅觉系统在线校正样本生成方法

权利要求书

1.一种基于自组织图的人工嗅觉系统在线校正样本生成方法，其特征在于，所述基于自组织图的人工嗅觉系统在线校正样本生成方法包括初始训练阶段和在线更新阶段；

所述初始训练阶段将每一次检测表示为一个p维向量，包含K类样本，则构建K层的自组织图神经网络，每层由神经元组成N×M结构的二维平面，神经网络中共有K×N×M个神经元，令神经网络权值矩阵为其中表示第k层平面坐标为(n,m)的p维权值向量，且k∈{1，…，K}，n∈{1，…，N}，m∈{1，…，M}；当某p维训练样本x^t进入网络后，进行初始化；

所述在线更新阶段完成初始训练以后，进入测试，样本x^p所属类别是未知的，后续分类器依据W中的在线训练样本对x^p进行分类，后续分类器的分类结果为第k类；

所述初始化具体包括：

1)由训练样本x^t的类别计算第层所有神经元权值与x^t的距离：

以距离最小的神经元为获胜神经元，保存神经元的位置：

其中，和分别为获胜神经元在第层的二维坐标；

2)对第层神经元权值进行迭代：

其中α∈(0,1)为学习速率，定义如下：

3)重复1)和2)，直至训练样本全部进入神经网络进行初始训练；

4)重复1)-3)，满足一定的循环次数后停止。

2.如权利要求1所述的基于自组织图的人工嗅觉系统在线校正样本生成方法，其特征在于，所述在线更新阶段具体包括：

1)计算所有神经元权值与x^p的距离：

以距离最小的神经元为获胜神经元，保存该神经元的位置：

其中为获胜神经元所在层的序号，和分别为获胜神经元在第层的二维坐标；

2)对第k层神经元权值进行如下迭代：

其中α∈(0,1)为学习速率，定义如下：

3)利用神经网络权值矩阵W对分类器进行训练或利用W中的在线训练样本进行下一次分类。

3.一种应用权利要求1～2任意一项所述基于自组织图的人工嗅觉系统在线校正样本生成方法的人工嗅觉系统。

4.一种应用权利要求1～2任意一项所述基于自组织图的人工嗅觉系统在线校正样本生成方法的气体传感器。