[发明专利]自带漂移补偿功能的模式识别算法

说明书

本发明涉及一种自带漂移补偿功能的模式识别算法，属于漂移补偿算法领域。包括如下步骤：建立预测模型；对预测模型中的未知量进行求解；建立预测模型矩阵；更新和修正预测模型；识别漂移后的样本。本发明的有益效果是：当测试样本信号发生漂移时，通过在线更新预测模型的方法提高识别的准确率和效率，在建立预测模型时，主要利用综合字典和稀疏系数对第i类训练样本进行重构，并通过最小误差求解综合字典的最优值，用来提高综合字典的泛化能力；利用分析字典对第i类训练样本稀疏表示，并通过最小化重构误差求解分析字典的最优值，用来提升第i类分析字典的判别能力；利用新获取的样本训练得到的字典和旧字典之间的线性组合完成样本的更新和修正。

技术领域

本发明涉及一种自带漂移补偿功能的模式识别算法，其属于漂移补偿算法 领域。

背景技术

随着科技的发展，人工智能已经成为21世纪科技发展的主要特征，而模式 识别作为人工智能的基础也快速发展起来。模式识别已经应用到了人类生活的 各个方面，比如，智能门锁的指纹识别、人脸识别以及遥感和医学诊断等方面。

在论文《电子鼻系统的高效气体识别技术研究》中提出了一种在线JDL-ADMM 算法，该算法也实现漂移补偿的功能，但是该算法与本发明提出的数学模型不 同，综合字典的求解方法以及预测模型的更新算法也都不同。

在模式识别领域算法有很多，比如深度学习、支持向量机、人工神经网络 等，不同的模式识别算法获得的效果千差万别，现有的模式识别算法，只是对 样本进行分类和识别，不能自适应的解决漂移问题。但是，大部分传感器的漂 移是器件固有的现象，不但不能根除，还会随着使用的年限和频率变得更加严 重，所以，模式识别中漂移问题的解决就显得更为重要。

发明内容

本发明要解决的技术问题是：克服现有技术中存在的不足，提供一种自带 漂移补偿功能的模式识别算法。

本发明解决上述技术问题的技术方案如下：

一种自带漂移补偿功能的模式识别算法，包括如下步骤：

步骤1：建立预测模型

当i代表训练样本的第i类，为初始训练样本集，为初始训练样本集 对应的编码系数，P_i⁽⁰⁾为初始分析字典，为初始综合字典，则字典学习模型 定义为：

其中，||·||₂为2范数，p＝0,1,2，为的补集。

步骤2：对预测模型中的未知量进行求解

利用最小二乘算法对步骤1中p＝2时的编码稀疏、分析字典和综合字典进 行求解。

将公式(1)对求偏导数等于0，由于

可解得：

将公式(1)对P_i⁽⁰⁾求偏导数等于0，可解得：

将公式(1)对求偏导数等于0，可解得：

步骤3：建立预测模型矩阵

为重建后的样本信号，则有

定义为初始预测矩阵模型，可得：

步骤4：更新和修正预测模型

设为第k次获得的训练样本，代入公式(2)，则可以求得这些新样本对应 的编码系数为：