[发明专利]一种基于多重自组织神经网络的电子鼻漂移抑制方法

摘要

本发明提供了一种基于多重自组织神经网络的电子鼻漂移抑制方法，其通过样本缓存矩阵对各个自组织神经网络的神经元均值中心加以缓存并循环迭代更新，用以求取每次循环漂移抑制补偿的补偿增量阵列，在对漂移补偿训练所采用气体匹配的自组织神经网络中各神经元进行漂移补偿的同时，还利用补偿增量阵列对其它各个自组织神经网络的神经元中对于漂移补偿训练所采用气体敏感的特征电信号值都进行漂移抑制补偿，使得各自组织神经网络的神经元经过漂移补偿后都趋于接近气体传感器阵列检测其匹配气体的实际电信号输出阵列值，从而达到抑制漂移的目的，提高了电子鼻的漂移补偿执行效率，保证了电子鼻经漂移抑制补偿后依然保持良好的识别性能。

主权项

1.一种基于多重自组织神经网络的电子鼻漂移抑制方法，其特征在于，包括如下步骤：A)初始化步骤，其具体为：a1)建立样本缓存矩阵X~Rct(t)={X1(t),X2(t),...,XK(t)};]]>其中，X^k(t)为包含i个元素的缓存阵列，k∈{1，2，…，K}，K表示电子鼻的自组织神经网络的数量，i表示电子鼻气体传感器阵列中气体传感器的个数，t表示时刻；a2)初始化时刻t＝0；a3)在当前时刻，样本缓存矩阵中各个缓存阵列的取值为：Xk(t)=1MkΣm=1MkWmk(t),k=1,2,...,K;]]>其中，Wmk(t)=[wm,1k(t),wm,2k(t),...,wm,ik(t)]]]>表示在当前时刻电子鼻的第k个自组织神经网络中第m个神经元，则分别表示所述神经元中的i个特征电信号值，M_k表示电子鼻的第k个自组织神经网络中神经元的数量；B)漂移抑制补偿步骤；具体为：b1)时刻t自加1；b2)获取当前时刻电子鼻气体传感器阵列的电信号输出阵列X_ts(t)：X_ts(t)＝[x_ts，1(t)，x_ts，2(t)，…，x_ts，i(t)]；其中，x_ts，1(t)，x_ts，2(t)，…，x_ts，i(t)分别表示在当前时刻电子鼻气体传感器阵列中i个气体传感器的电信号输出值；b3)求取匹配获胜自组织神经网络序号k_1st和匹配次获胜自组织神经网络序号k_2nd：其中，表示在此前一时刻(t-1)电子鼻的第k个自组织神经网络中第m个神经元；符号表示取归一化值，和分别表示取所述电信号输出阵列X_ts(t)的归一化值和取所述神经元的归一化值；表示取与的欧氏距离；表示取与的欧氏距离在所有k∈{1，2，…，K}和m∈{1，2，…，Mk}情况中的最小值，表示取与的欧氏距离在所有k∈{1，2，…，K}和m∈{1，2，…，M_k}情况中仅大于的次最小值；b4)若k_1st＝k_2nd，按照下式对电子鼻各个自组织神经网络中各个神经元进行漂移补偿：若k_1st≠k_2nd，则按照下式对电子鼻各个自组织神经网络中各个神经元进行漂移补偿：其中，表示在当前时刻电子鼻的第k个自组织神经网络中第m个神经元；ΔW(t)表示当前时刻的补偿增量阵列，且X^k1st(t-1)表示在此前一时刻(t-1)样本缓存矩阵中第k_1st个缓存阵列，表示取所述缓存阵列X^k1st(t-1)的归一化值；a为补偿比例系数，取值范围为0＜a≤0.5；b为补偿增量系数，取值范围为0＜b≤0.5；b5)按照下式对样本缓存矩阵中各个缓存阵列的取值进行迭代更新：其中，X^k(t)表示当前时刻样本缓存矩阵中的第k个缓存阵列；X^k(t-1)表示在此前一时刻(t-1)样本缓存矩阵中的第k个缓存阵列，表示取所述缓存阵列X^k(t-1)的归一化值；C)循环执行步骤B)，直至电子鼻终止漂移抑制工作。