[发明专利]质谱峰快速分类方法、装置、存储介质、系统

说明书

本发明涉及质谱峰快速分类方法、装置、存储介质、系统。该方法包括；获取若干由质谱仪反馈的质谱峰样本数据；利用盒中脑状态模型对若干样本数据进行聚类。通过利用盒中脑状态模型对若干样本数据进行聚类，帮助科研人员将质谱峰进行预筛选，减轻科研人员压力，对于物质的分析也是大有裨益；科研人员还可以根据需求对聚类器进行训练，通过不断增加样本数，提高聚类精度，增加类的数量。

技术领域

本发明涉及图像处理技术领域，特别涉及一种质谱峰快速分类方法、装置、存储介质、系统。

背景技术

三重四极杆质谱仪是材料、医学、药学等领域的重要科学仪器。在应用质谱仪的分析过程中，物质多种多样，对应的谱图也就多种多样，往往不同的物质对应的谱图形状是不同的，如图1所示为三种不同形状的质谱图。科研人员或分析人员一般无法记住这千万种质谱图的形状，尤其是对于一种未知物质而言，难以快速对其根据质谱峰的形状分类。对于缺乏经验的科研人员来说就缺少了分析物质的重要方向，因此需要花费较多的时间进行分析，降低了实验效率；同样地，其他的科研人员需要重复这个过程，这就产生了大量的重复工作，这样大幅度的降低了实验的效率。

本申请旨在建立一种系统性解决质谱峰快速分类方法及实施系统。

发明内容

为了实现根据本发明的上述目的和其他优点，本发明的第一目的是提供质谱峰快速分类方法，包括如下步骤：

获取若干由质谱仪反馈的质谱峰样本数据；

利用盒中脑状态模型对所述若干样本数据进行聚类。

优选地，还包括步骤：

对所述盒中脑状态模型进行训练；所述盒中脑状态模型方程如下：

y(n)＝x(n)+βWx(n) (1)

其中x(n)为状态向量；β为一正常数，即反馈系数；W为单层线性神经网络的权重矩阵；y(n)为生成系统状态向量的中间向量；是一个非线性向量函数，即激活函数。

优选地，所述激活函数定义如下所示：

优选地，

所述单层线性神经网络的权重矩阵W的变化量如下所示：

基于式(4)的W的变化量更新权重矩阵：

W_k＝W_k-1+ηΔW (5)。

优选地，利用盒中脑状态模型对所述若干样本数据进行分类时，包括步骤：

S201：获取用于训练盒中脑状态模型的训练集，所述训练集为已被分类的标准质谱峰{a₁,a₂,…,a_M}；并初始化权重矩阵：W₀＝I，其中I为单位矩阵；

S202：根据式(6)更新权重矩阵，

其中a_k为训练集{a₁,a₂,…,a_M}的第k个元素，η为一个正常数；W_k-1为上一次迭代过程中生成的权重矩阵，W_k是本次迭代中更新产生的权重矩阵；

S203：当k＝M时，执行W＝W_M，进入S204；当k＜M时，返回S202；

S204：对采集的质谱峰向量x(n)赋予系统初始状态x(0)，进入S205；