[发明专利]物质分类方法、装置、终端设备及存储介质

权利要求书

1.一种物质分类方法，其特征在于，包括：

测量待分类物质的太赫兹时域光谱数据，作为第一时域数据；

根据所述第一时域数据，计算出所述待分类物质的光学参数矩阵；

根据主成分分析方法对所述光学参数矩阵进行降维处理，得到低维矩阵；

将所述低维矩阵输入前馈神经网络模型，输出所述第一时域数据对应的物质分类结果。

2.根据权利要求1所述的物质分类方法，其特征在于，所述根据所述第一时域数据，计算出所述待分类物质的光学参数矩阵，包括：

获取预设参考物的太赫兹时域光谱数据，作为第二时域数据；

将所述第一时域数据和所述第二时域数据进行快速傅里叶变换，得到所述第一时域数据对应的第一频域数据和所述第二时域数据对应的第二频域数据；

根据所述第一频域数据和所述第二频域数据，通过菲涅尔公式计算出所述待分类物质的光学参数矩阵。

3.根据权利权利要求2所述的物质分类方法，其特征在于，所述根据所述第一频域数据和所述第二频域数据，通过菲涅尔公式计算出所述待分类物质的光学参数矩阵，包括：

对所述第一频域数据与所述第二频域数据作比值计算，得到复透射系数；

根据所述复透射系数，计算出所述待分类物质中每个频率点的光学参数；

将所有所述频率点的光学参数组成光学参数矩阵。

4.根据权利要求1所述的物质分类方法，其特征在于，所述根据主成分分析方法对所述光学参数矩阵进行降维处理，得到低维矩阵，包括：

获取所述光学参数矩阵中指定频率区间的光学参数，并对所述光学参数进行归一化处理，得到有效矩阵；

计算所述有效矩阵的相关系数矩阵，以及计算所述相关系数矩阵的特征值和特征向量；

根据所述特征值计算所述特征向量的累计贡献率，并根据所述累计贡献率确定所述特征向量的数量；

根据所述特征向量的数量确定所述特征向量，并将确定的所有所述特征向量组成低维矩阵。

5.根据权利要求1所述的物质分类方法，其特征在于，所述将所述低维矩阵输入前馈神经网络模型，输出所述第一时域数据对应的物质分类结果之前，还包括：

将训练样本输入预设前馈神经网络模型，输出预测输出值；

根据所述预测输出值与期望输出值，计算所述预设前馈神经网络模型对应的预测误差，其中所述期望输出值为预先设定的所述训练样本对应的期望值；

根据所述预测误差，调整所述预设前馈神经网络模型的权值和阈值，并将调整后的所述预设前馈神经网络模型作为所述前馈神经网络模型。

6.根据权利要求5所述的物质分类方法，其特征在于，所述将训练样本输入所述预设前馈神经网络模型，输出预测输出值，包括：

将所述训练样本输入所述预设前馈神经网络模型的输入层，通过所述预设前馈神经网络模型的隐含层输出隐含层输出值，其中所述隐含层的节点数根据所述预设前馈神经网络模型的输入层和输出层的节点数共同确定；

将所述隐含层输出值作为所述输出层的输入，通过所述输出层输出所述预测输出值。

7.根据权利要求5所述的物质分类方法，其特征在于，所述将训练样本输入所述预设前馈神经网络模型，输出预测输出值之前，还包括：

随机选取所述低维矩阵中指定数量的数据，其中所述指定数量大于或等于所述低维矩阵中的总数量的一半；

将所述随机选取的数据进行归一化操作后，作为所述训练样本；

将所述低维矩阵中剩余的数据根据所述归一化操作进行归一化后，作为输入所述前馈神经网络模型的所述低维矩阵。

8.一种物质分类装置，其特征在于，包括：

测量模块，用于测量待分类物质的太赫兹时域光谱数据，作为第一时域数据；

计算模块，用于根据所述第一时域数据，计算出所述待分类物质的光学参数矩阵；

降维模块，用于根据主成分分析方法对所述光学参数矩阵进行降维处理，得到低维矩阵；

输出模块，用于将所述低维矩阵输入前馈神经网络，输出所述第一时域数据对应的物质分类结果。