[发明专利]一种模糊协方差学习网络的电子鼻鉴别食醋品种方法

权利要求书

1.一种模糊协方差学习网络的电子鼻食醋品种分类方法，其特征在于，包括以下步骤：

S1，利用电子鼻系统采集不同品种的食醋样本；

S2，用标准正态变量变换处理进行预处理，再用主成分分析PCA进行数据压缩和线性判别分析LDA提取训练样本的鉴别信息；

S3，用模糊协方差学习网络进行食醋品种分类。

2.如权利要求1所述的一种模糊协方差学习网络的电子鼻食醋品种分类方法，其特征在于，所述S3具体为：

S3.1，参数初始化；

S3.2，计算第r-1次迭代时的距离范数r＝1,2,…,r_max，r_max为最大迭代数；

S3.3，计算第r次迭代时的模糊隶属度值u_ik,r；

S3.4，计算第r次迭代时的学习速率α_ik,r；

S3.5，计算第r次迭代时的类中心v_i,r，i＝1，2，……，c，c为食醋品种数；

S3.6，当max_i||v_i,r-v_i,r-1||＜ε或者r＝r_max-1时，迭代结束，否则返回S3.2，继续迭代计算；当迭代收敛后，根据最终的模糊隶属度判别测试样本x_k属于哪一类，即x_k属于哪个品种的醋；其中v_i,r为第r次迭代计算时第i类的类中心，v_i,r-1为第r-1次迭代计算时第i类的类中心，ε为误差上限值。

3.如权利要求2所述的一种模糊协方差学习网络的电子鼻食醋品种分类方法，其特征在于，所述S3.1具体为：设置食醋品种数为c，初始权重指数m₀，最大迭代数r_max，误差上限值ε，训练样本数为n₁，测试样本数n₂，设置初始类中心v_i,0和初始模糊隶属度u_ik,0；其中+∞＞c≥2、+∞＞m₀＞1。

4.如权利要求2或3所述的一种模糊协方差学习网络的电子鼻食醋品种分类方法，其特征在于，第r-1次迭代时的距离范数为：其中为第r-1次迭代时第k个测试样本x_k到类中心v_i,r-1的距离，k＝1,2,3,…,n₂，A_i,r是第r次迭代时第i个聚类中心的范数矩阵，d为测试样本的维数，v_i,r-1为第r-1次迭代时第i类的类中心，i＝1，2，……，c，u_ik,r-1为第r-1次迭代时第k个测试样本x_k属于第i类的模糊隶属度，S_fi,r是第r次迭代时第i类的模糊协方差矩阵。

5.如权利要求2或3所述的一种模糊协方差学习网络的电子鼻食醋品种分类方法，其特征在于，所述模糊隶属度值u_ik,r为：其中隶属度值u_ik,r表示第r次迭代计算时第k个样本隶属于第i类的隶属度值，m_r为第r次迭代时的权重指数，且m_r＝m₀-rΔm，Δm＝(m₀-1)/r_max。

6.如权利要求2所述的一种模糊协方差学习网络的电子鼻食醋品种分类方法，其特征在于，所述学习速率α_ik,r为：其中m_r为第r次迭代时的权重指数。

7.如权利要求2所述的一种模糊协方差学习网络的电子鼻食醋品种分类方法，其特征在于，第r次迭代时的类中心v_i,r为：其中v_i,r为第r次迭代计算时第i类的类中心，v_i,r-1为第r-1次迭代计算时第i类的类中心。

8.如权利要求1所述的一种模糊协方差学习网络的电子鼻食醋品种分类方法，其特征在于，所述S2中PCA进行数据压缩得到的6维数据分为训练样本和测试样本，训练样本用来模式训练，测试样本用来检验模式识别正确率。