[发明专利]一种基于仿生嗅球模型和卷积神经网络的电子鼻识别方法

权利要求书

1.一种基于仿生嗅球模型和卷积神经网络的电子鼻识别方法，包括下列步骤：

1)首先利用电子鼻平台对待识别对象进行采样，得到电子鼻样本数据集S，样本类别数目为n；

2)构建仿生嗅球模型：仿生嗅球模型由多个嗅小球模型连接构成，仿生嗅球模型的中嗅小球模型的数量和电子鼻的传感器数量保持一致,每个嗅小球模型由四个基本神经元模型连接而成，分别为1个嗅觉感受器，1个僧帽细胞，1个颗粒细胞和1个球周细胞；所有基本神经元模型均采用Izhikevich神经元模型进行模拟，通过选取不同的模型参数来代表不同的神经元种类；不同嗅小球模型之间通过僧帽细胞连接，嗅觉感受器是仿生嗅球模型的输入端，僧帽细胞的输出作为仿生嗅球模型的输出；

3)将样本数据集S通过嗅觉感受器输入仿生嗅球模型处理后，得到新的多元脉冲时间序列数据集S’；

4)将得到的多元脉冲时间序列数据集S’进行数据规范化处理，规范方法为：其中，x为被转化的数据，y为转化之后的数据，y_min＝0，y_max＝255，规范化后的数据被视为灰度像素值数据；

5)将步骤4)规范化后的灰度像素数据按行进行排练得到相应的灰度图数据集M；

6)确定卷积神经网络模型：卷积层的层数和各层卷积核个数、尺寸，池化层的层数和池化窗口尺寸及步长，全连接层分类器种类，神经元激活函数等参数，构建卷积神经网络模型；

7)将步骤6)中得到的灰度图数据集M输入到步骤6构建的卷积神经网络模型中，采用随机梯度下降法进行网络训练，并采用k-倍交叉验证对卷积神经网络模型进行验证，卷积神经网络模型能够自动进行特征提取，并输出识别结果，实现端到端学习；

10)利用仿生嗅球模型和训练好的卷积神经网络模型对待识别对象进行识别，得到电子鼻的识别结果。