[发明专利]一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法

摘要

一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法，蚁群算法属于启发式特征选择方法，利用算法的自动迭代进化，对特征点选择进行自动寻优，直到获得最优结果，其特征在于将蚁群算法应用于特征点的选择，算法模拟遗传算法。利用各特征点选择后的Bayes判别准确率以及所选择的特征点数为适应性函数，寻求最优的向量组合，该算法主要创新点包括：（a）将特征点选择数加入适应函数中，并设定代价参数，通过参数调节，可以根据需要对特征点数和判别准确率进行取舍；（b）为避由于特殊点导致的更新方向错误，设置最优集，以最优集合代替单一最优点进行选择；（c）信息素更新程度与适应函数提高成正比，算法优化效果好，则更新幅度增大；（d）为加快计算速度，对效果较差的向量加快挥发速度，减小信息素浓度，减小其对后期计算干扰。

主权项

一种基于蚁群算法的表征蜂蜜差异性智能嗅觉图谱特征提取方法，根据我国地理区域西部、华南、华北、华东、东北的划分，选择5种不同蜜源作为研究样本，分别为：1）油菜蜜，采自西部地区的重庆涪陵区和永川区；2）荔枝蜜，采自华南地区的广西南宁；3）荆条蜜，采自华北地区的北京密云等地；4）洋槐蜜，采自华东的山东莱阳；5）椴树蜜；利用气敏传感器阵列与不同挥发性成分的吸附差异对待测样品蜂蜜进行检测，利用蚁群算法的自动迭代进化，对特征点选择进行自动寻优，直到获得最优结果，其特征在于将蚁群算法应用于特征点的选择，算法模拟遗传算法，利用二进制编码对各传特征向量进行编码，1代表选择该信息点，0代表舍弃该信息点,利用各特征点选择后的Bayes判别准确率以及所选择的特征点数为适应性函数，寻求最优的向量组合，该算法包括：（a）将特征点选择数加入适应函数中，并设定代价参数，通过参数调节，可以根据需要对特征点数和判别准确率进行取舍；（b）为避由于特殊点导致的更新方向错误，设置最优集，以最优集合代替单一最优点进行选择；（c）信息素更新程度与适应函数提高成正比，算法优化效果好，则更新幅度增大；（d）为加快计算速度，对效果较差的向量加快挥发速度，减小信息素浓度，减小其对后期计算干扰。