[发明专利]一种拉曼光谱气体标记物的自检测分类方法及系统

权利要求书

1.一种拉曼光谱气体标记物的自检测分类方法，其特征在于，所述方法包括：

获取带有气体标记物的第一设定数量的拉曼光谱；气体标记物包括多种挥发性有机物；

对各所述拉曼光谱进行预处理，获得第一设定数量的样本；每个所述样本包括第二设定数量的训练特征以及分类标记标签，不同训练特征对应不同的挥发性有机物；

基于反向传播算法和第一设定数量的样本训练深层堆叠稀疏自编码神经网络，基于输入与重构之间的最小差异确定深层堆叠稀疏自编码神经网络的最优参数；所述最优参数包括权重系数和每一层偏差；

深层堆叠稀疏自编码神经网络的输入是一维的，包含了整个拉曼频谱，为了减少输入维度，因此需要将拉曼光谱进行裁剪，将每个拉曼光谱裁剪成50个训练特征；

获取待检测气体的拉曼光谱；

将待检测气体的样本输入到已确定最优参数的深层堆叠稀疏自编码神经网络进行分类，获得气体分类结果；

所述深层堆叠稀疏自编码神经网络的具体公式为：

其中，J_T(W,b)表示输入与重构之间的差异，n表示样本的数量，L()表示损失函数，x(i),y(i)分别表示第i个样本输入变量和输出变量，W表示权重系数，b表示每一层偏差，α表示稀疏性值，KL()表示散度函数，q_j表示第j隐藏单元的目标激活函数值，p_j表示第j隐藏单元的理想目标激活函数值，表示第i个样本第j隐藏单元输出值，tr()表示矩阵的迹，nl表示第一层的层数，sl表示第一层神经元的个数，表示第k层第j个隐藏单元之间的联系，β表示正则化系数的值，表示神经网络泛化能力的大小。

2.根据权利要求1所述的拉曼光谱气体标记物的自检测分类方法，其特征在于，所述对各所述拉曼光谱进行预处理，获得第一设定数量的样本，具体包括：

利用Labspec5软件对各所述拉曼光谱进行基线校正；

利用Labspec5软件对基线校正后的各所述拉曼光谱进行平滑处理；

利用MATLAB根据平滑处理后的各所述拉曼光谱确定第一设定数量的样本。

3.根据权利要求2所述的拉曼光谱气体标记物的自检测分类方法，其特征在于，所述利用MATLAB根据平滑处理后的各所述拉曼光谱确定第一设定数量的样本，具体包括：

在平滑处理后的各所述拉曼光谱上分别提取多个主峰；

从多个主峰中选取第二设定数量的主峰；

将第二设定数量的主峰转换成第二设定数量的训练特征；所述训练特征包括谱图、带数、峰位、峰宽和面积。

4.一种拉曼光谱气体标记物的自检测分类系统，其特征在于，所述系统包括：

带有微流体芯片的气体输入装置，用于将气体标记物或待检测气体抽入到微流体芯片上；

LabRAM-HR光谱仪，用于发射激光照射在所述微流体芯片上，并利用表面增强拉曼光谱技术获得第一设定数量的拉曼光谱或待检测气体的拉曼光谱；

计算机，与所述LabRAM-HR光谱仪连接，用于采用权利要求1-3任一项所述的方法确定深层堆叠稀疏自编码神经网络的最优参数，并将待检测气体的样本输入到已确定最优参数的深层堆叠稀疏自编码神经网络进行分类，获得气体分类结果；

深层堆叠稀疏自编码神经网络的输入是一维的，包含了整个拉曼频谱，为了减少输入维度，因此需要将拉曼光谱进行裁剪，将每个拉曼光谱裁剪成50个训练特征；

所述深层堆叠稀疏自编码神经网络的具体公式为：

其中，J_T(W,b)表示输入与重构之间的差异，n表示样本的数量，L()表示损失函数，x(i),y(i)分别表示第i个样本输入变量和输出变量，W表示权重系数，b表示每一层偏差，α表示稀疏性值，KL()表示散度函数，q_j表示第j隐藏单元的目标激活函数值，p_j表示第j隐藏单元的理想目标激活函数值，表示第i个样本第j隐藏单元输出值，tr()表示矩阵的迹，nl表示第一层的层数，sl表示第一层神经元的个数，表示第k层第j个隐藏单元之间的联系，β表示正则化系数的值，表示神经网络泛化能力的大小。