[发明专利]一种嗅感描述符获取方法、系统及相关装置有效

专利信息
申请号: 201910324005.2 申请日: 2019-04-22
公开(公告)号: CN110057975B 公开(公告)日: 2023-07-25
发明(设计)人: 骆德汉;靳樱子 申请(专利权)人: 广州德芯半导体科技有限公司
主分类号: G01N33/00 分类号: G01N33/00;G06F18/2431
代理公司: 北京睿智保诚专利代理事务所(普通合伙) 11732 代理人: 周新楣
地址: 510000 广东省广州市番禺区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 描述 获取 方法 系统 相关 装置
【权利要求书】:

1.一种嗅感描述符获取方法,其特征在于,包括:

利用化学分析软件获取目标对象的气体分子的物化特性数据,目标对象的气体分子的物化特性数据为目标对象的气体分子的特征信息;

将所述物化特性数据输入预设随机森林模型,输出对应的嗅感描述符;其中,由嗅感描述符全面地表征目标对象的嗅觉感知,所述预设随机森林模型是模型训练而得到的;

其中,预设随机森林模型,通过Boruta算法实现特征选择;

所述将所述物化特性数据输入预设随机森林模型,输出对应的嗅感描述符,包括:

在获取原始样本物化特性数据后,对所述原始样本物化特性数据进行标准化处理,得到样本的物化特性数据;

利用所述样本物化特性数据和预设随机森林算法进行所述模型训练,得到所述预设随机森林模型;

将所述物化特性数据输入所述预设随机森林模型,分别得到所述预设随机森林模型中各个分类回归树对应的嗅感评分预测值;

在利用各个所述嗅感评分预测值计算出嗅感评分预测平均值后,依据所述嗅感评分预测平均值确定对应的嗅感描述符。

2.根据权利要求1所述的嗅感描述符获取方法,其特征在于,依据所述嗅感评分预测平均值确定对应的嗅感描述符之后,还包括:

利用预设数量的所述嗅感描述符对应的物化特性数据,对未标记气体分子的未标记物化特性数据进行特征相关性分析,得到所述未标记气体分子对应的未标记嗅感评分预测平均值;

根据所述未标记嗅感评分预测平均值,确定对应的未标记嗅感描述符。

3.一种嗅感描述符获取系统,其特征在于,包括:

物化特性数据获取模块,用于获取目标对象的气体分子的物化特性数据,目标对象的气体分子的物化特性数据为目标对象的物化特性数据;

嗅感描述符输出模块,用于将所述物化特性数据输入预设随机森林模型,输出对应的嗅感描述符;其中,所述预设随机森林模型是模型训练而得到的,由多种嗅感描述符全面地表征目标对象的嗅觉感知;

所述嗅感描述符输出模块,包括:

标准化处理单元,用于在利用化学分析软件获取原始样本物化特性数据后,对所述原始样本物化特性数据进行标准化处理,得到样本物化特性数据信息;

模型训练单元,用于利用所述样本物化特性数据和预设随机森林算法进行所述模型训练,得到所述预设随机森林模型;

嗅感描述符输出单元,用于将所述物化特性数据输入所述预设随机森林模型,输出对应的嗅感描述符;

所述嗅感描述符输出单元,包括:

嗅感评分预测值获取子单元,用于将所述物化特性数据输入所述预设随机森林模型,分别得到所述预设随机森林模型中各个分类回归树对应的嗅感评分预测值;

嗅感描述符确定子单元,用于在利用各个所述嗅感评分预测值计算出嗅感评分预测平均值后,依据所述嗅感评分预测平均值确定对应的嗅感描述符。

4.根据权利要求3所述的嗅感描述符获取系统,其特征在于,还包括:

特征相关性分析模块,用于利用预设数量的所述嗅感描述符对应的物化特性数据,对未标记气体分子的未标记物化特性数据进行特征相关性分析,得到所述未标记气体分子对应的未标记嗅感评分预测平均值;

未标记嗅感描述符确定模块,用于根据所述未标记嗅感评分预测平均值,确定对应的未标记嗅感描述符。

5.一种嗅感描述符获取设备,其特征在于,包括:

存储器和处理器;其中,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序时实现如权利要求1或2任一项所述的嗅感描述符获取方法的步骤。

6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1或2任一项所述的嗅感描述符获取方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州德芯半导体科技有限公司,未经广州德芯半导体科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910324005.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top