[发明专利]基于主成分分析的传感器阵列特征选择和阵列优化方法

说明书

本发明公开了一种基于主成分分析的传感器阵列重要特征选择方法，依次包括以下步骤：A：选择初始特征；B：构成初始特征数据集；C：计算标准化后的初始特征数据集中每一维特征的重要程度；D：对标准化后的初始特征进行排序得到排序列表L；E：按照排序列表L，选择对应的d个待定特征数据集；F：分别评估识别准确率，对应得到d个识别准确率判决结果；G：从步骤F中得到的d个识别准确率判决结果中，找到最高的准确率判决结果，即选定的重要特征。本发明能够进一步提高传感器阵列检测性能，降低传感器阵列的使用成本，对传感器阵列选择起到极大地优化作用。

技术领域

本发明涉及一种传感器阵列特征选择和阵列优化方法，尤其涉及一种基于主成分分析的传感器阵列特征选择和阵列优化方法。

背景技术

目前，在对传感器阵列进行特征选择时，可以寻找适合应用场景的优秀特征，以提高传感器阵列系统的识别性能和鲁棒性。对传感器阵列进行传感器优化，不仅可以降低传感器阵列的成本，而且可以进一步提高传感器阵列的性能。当前通过主成分分析(principle component analysis，PCA)技术对传感器阵列特征选择的方法都是利用PCA对原始传感器特征进行变换，在变换域里进行降维和特征选择。这种方法只关注数据方差大小的分布情况，认为方差大的数据方向维度具有较大的信息量，并直接删除了方差小的数据维度。但是，由于数据方差大小与数据的有效分类信息并没有本质的必然联系，数据方差较小的维度同样有可能蕴含了有效分类信息，导致现有的通过PCA技术对传感器阵列特征选择的方法效果较差。

发明内容

本发明的目的是提供一种基于主成分分析的传感器阵列特征选择和阵列优化方法，能够进一步提高传感器阵列检测性能，降低传感器阵列的使用成本，对传感器阵列选择起到极大地优化作用。

本发明采用下述技术方案：

基于主成分分析的传感器阵列重要特征选择方法，依次包括以下步骤：

A：对待选的传感器阵列特征提取方法进行识别性能评估，然后根据评估结果，选择若干种传感器阵列特征提取方法，作为本传感器阵列特征提取方法使用；并将所选择的若干种本传感器阵列特征提取方法所对应的传感器阵列特征作为初始特征；

B：根据步骤A中得到若干种初始特征，构成初始特征数据集X＝[x_i，j]_p×n，其中，p代表特征维度，n代表样本个数，i是第i维特征，j是第j个样本，i，j均为自然数；

C：对初始特征数据集X进行标准化后做PCA变换，计算标准化后的初始特征数据集中每一维特征的重要程度F_k；

D：按照每一维特征的重要程度F_k由大到小的顺序，对标准化后的初始特征进行排序，得到排序列表L；

E：按照排序列表L，依次选取排序列表L中前1个特征、前2个特征、……、前d个特征，构成对应的d个待定特征数据集

F：基于算法中使用的分类器，分别评估每一个待定特征数据集在分类器下的识别准确率，对应得到d个识别准确率判决结果；

G：从步骤F中得到的d个识别准确率判决结果中，找到最高的准确率判决结果，则该最高的准确率判决结果所对应的序列表L中的前d个特征即为选定的重要特征。

所述的步骤A中，选取识别率高的前若干种传感器阵列特征作为初始特征；同时，将选取的若干种初始特征所对应的传感器阵列特征提取方法，作为本传感器阵列特征提取方法使用。

所述的步骤C包括以下具体步骤：

C1：对初始特征数据集X划分训练集和测试集；

C2：对训练集中的数据，按照公式(1)进行标准化，最终得到标准化后的初始特征数据集