[发明专利]一种基于禁忌优化的光谱建模样本集快速划分方法

权利要求书

1.一种基于禁忌优化的光谱建模样本集快速划分方法，其特征在于具体步骤为：

步骤一，采用基于加权距离的2-均值聚类方法划分训练样本集Cal和验证样本集Val，将每个样本的光谱向量v_i，i＝1,2…n，视为高维空间中的数据点，以样本数据的加权欧式距离为指标计算所有n个样本两两之间的距离；加权欧式距离定义为：

其中，v_i和v_j为第i,j个样本的光谱向量i,j＝1,2…n，σ_i和σ_j为第i,j个样本的权值，在光谱分析中选取样本对应的化学参考值作为该权值，该权值直接作用于光谱向量，基于聚类划分原则，首先将距离最远，即d值最大的两个样本分别划分到训练样本集Cal和验证样本集Val中，然后以这两个样本为初始聚类中心，将其他样本聚类划分到对应样本集中；以此获取训练样本集Cal和验证样本集Val的样本划分结果；

步骤二，设置禁忌优化的最高迭代次数为T；设置禁忌表长度Len；

步骤三，当前迭代次数it初始化为0；禁忌表初始化为空表；将步骤一得到的Cal和Val样本集合的划分结果作为样本划分禁忌优化问题的当前解，记为S；

步骤四，针对每一次迭代判断禁忌表的非空单元格数量w_len是否小于Len：如果w_lenLen，将当前解S增加写入禁忌表；如果w_len＝Len，则按照先入先出的原则，利用当前解S替换最先被写入禁忌表中的一个解，更新禁忌表；

步骤五，对当前解S中的训练样本集Cal和验证样本集Val的样本执行随机k对互换进行数据调整，即随机选择k个训练样本Cal的样本放入验证样本集Val中，同时选择k个验证样本集Val的样本放入训练样本集Cal中，其中k的取值必须小于训练样本集中的数量并同时小于验证样本集的样本集中的数量，随机互换执行m次，生成m个优化候选解

步骤六，判断每一个候选解是否在当前的禁忌表中储存，分为以下两种情况进行讨论：

①如果存在有部分没有在当前的禁忌表中储存，根据目标函数的适应度，预测偏差最小，选择不在当前禁忌表中的最优候选解将赋予S，跳转至步骤七；

②如果全部m个都已经被存储在当前的禁忌表中，根据目标函数的适应度判断每一个的建模效果是否优于S的建模效果：如果全部m个的建模效果都不能优于S，跳转至步骤八；如果存在部分的建模效果优于S，将效果更优的若干个从禁忌表中移除，即解除禁忌，允许下一次迭代重新考虑该解，并选择将其中的最优候选解赋予S，跳转至步骤七；

步骤七，当前迭代次数it自加1，并判断it是否小于最高迭代次数T：如果itT则跳转至步骤四，如果it＝T则跳转至步骤八；

步骤八，终止禁忌优化的迭代过程，输出当前解S，即输出一个经过禁忌优化的Cal和Val样本集划分；

禁忌优化的若干参数T,Len,k,m，可调，通过对参数的设置和优化调整，可以降低算法复杂度，能够实现对样本集划分问题的智能优化，有利于快速确定光谱建模的样本集优化划分。