[发明专利]一种模糊鉴别分析的白酒电子鼻信号分类方法

权利要求书

1.一种模糊鉴别分析的白酒电子鼻信号分类方法，其特征在于，包括如下步骤：

步骤1、采集不同白酒样本的气味数据；

步骤2、采样模糊鉴别分析的方法，提取白酒原始数据的主要特征；

步骤3、采用最近邻分类器对模糊鉴别分析处理过得数据进行分类。

2.根据权利要求1所述的一种模糊鉴别分析的白酒电子鼻信号分类方法，其特征在于，所述步骤1是通过电子鼻采集不同白酒样本的气味数据。

3.根据权利要求2所述的一种模糊鉴别分析的白酒电子鼻信号分类方法，其特征在于，所述步骤1的具体采集方法：

在室温20℃、湿度40％的环境下，将电子鼻通电，传感器预热30分钟后，向烧杯中倒入15ml白酒，并将其注入样品瓶中，然后使用微型真空泵将白酒挥发的气体导入气室中；持续通入气体10分钟；分别在11分钟、12分钟、13分钟、14分钟、15分钟五个时间点利用labview编写的上位机程序和数据采集卡进行电子鼻数据采集，取五次采集结果的平均值作为一个食醋样本数据；完成一次食醋样本采集后，通过排气泵将气室中白酒的挥发气体排尽，使得各传感器恢复初始状态，然后重复采集白酒样本过程。

4.根据权利要求1所述的一种模糊鉴别分析的白酒电子鼻信号分类方法，其特征在于，所述步骤2的实现过程包括：

步骤2.1.计算每类均值，以每类均值作为聚类中心

v₁为第一类白酒样本的类中心值，v₁的值和第一类白酒样本的均值x_mean1相等，即v₁＝x_mean1；第二类到第c类，依次如下：v₂＝x_mean2，......，v_c＝x_meanc；

计算初始模糊隶属度：

u_ik为第k个样本x_k隶属于第i类的模糊隶属度；c为类别数，v_i、v_j分别为第i类和第j类的类中心值，n为样本数，m为权重指数，m∈(1，+∞)；

步骤2.2.进行模糊主成分分析FPCA，包括如下：

步骤2.2.1、计算模糊协方差矩阵C_f：

步骤2.2.2、计算C_f的特征值λ_k1和对应的特征向量q_k1，k1＝1，2，3，...，L，L为模糊主成分分析的特征向量数：

λ_k1q_k1＝C_fq_k1

步骤2.3.对步骤2.2.2中的特征向量q_k1进行排序：

步骤2.3.1、计算模糊类间离散度矩阵S_fB和模糊类内离散度矩阵S_fW：

为样本的总均值，

步骤2.3.2、计算一组特征向量q_k1(q₁，q₂，q₃，...，q_L)的排序评价值再将特征向量q₁，q₂，q₃，...，q_L按照J(q_k1)值从大到小的结果进行排序得到新的一组特征向量p_k1，即p₁，p₂，p₃，...，p_L；

步骤2.4.将步骤2.1的类中心v_i和第k个样本x_k投影到步骤2.3.2的特征向量p_k1上，分别得到v_i′和y_k：

v_i′＝p_k1^Tv_i

y_k＝p_k1^Tx_k

步骤2.5.计算新的模糊隶属度：

步骤2.6.计算新的模糊类间离散度矩阵和模糊类内离散度矩阵

为样本的总均值，

步骤2.7.根据下式求特征值和特征向量：

其中，为模糊类内离散度矩阵的逆矩阵，为模糊类间离散度矩阵，ψ_k2和γ_k2分别代表上面方程所求的特征向量和对应特征值；

步骤2.8.将步骤2.4的第k个样本y_k投影到步骤2.7的特征向量ψ_k2上，提取白酒数据的鉴别特征：

z_k＝ψ_k2^Ty_k 。