[发明专利]一种基于韦恩预测的电子鼻数据挖掘方法

权利要求书

1.一种基于韦恩预测的电子鼻数据挖掘方法，其特征在于，包括以下步骤：

S01、获取m个传感器的n次实验数据，得到原始样本矩阵M，原始样本矩阵表示为：

其中，是一个向量，表示第i次实验第j个传感器随采样时间得到的采样点数据，采样点数目为s；

S02、提取原始样本矩阵M中每次实验每个传感器的s个采样点中的最大响应值，得到最大值特征矩阵X，最大值特征矩阵表示为：

其中，是一个标量，表示第i次实验第j个传感器s个采样点数据中的最大值；对n次实验的样本种类进行编号1，2...k，k代表原始样本的种类数，生成样本的标签Y；得到样本矩阵Z＝[X Y]，z_i＝{x_i，y_i}，i＝{1，2，...，n}；

S03、将样本矩阵Z分为训练集S_tr和测试集S_te，S_tr＝{z₁，z₂，...，z_r-1}；抽取测试集中某一样本z_t进行预测；

S04、假设yt＝y，y∈{1，2，...k}；新的数据集Z_t＝[z₁，z₂，...，z_r-1，z_t]；

S05、对于Z_t中的每一个样本z_j，j＝{1，2，...r-1，t}，其他样本构成新的训练集 进行建模，然后对z_j进行预测，得到它的预测种类b_j；

S06、预测类别为b_t的样本集合中包括z_t＝(x_t，y)；令p_y是这个集合中不同类别的经验概率分布，

p_y是Y上的概率分布；(x^*，y^*)是预测类别为b_t的所有样本的集合，y’的取值是1到k；

S07、返回步骤S04，令y逐一等于1到k中的每一个值，重复步骤S05和S06，最终得到对于样本z_t的韦恩预测器P_t＝{p_y：y_t∈Y}；P_t是一个K*K的概率矩阵；定义P_t每一列的最小项为q，具有最大q值的列为j_best；z_t的预测种类是j_best，预测正确的概率区间是

S08、逐一对步骤S03中测试集的样本进行预测，得到相应的韦恩预测器P，预测种类j_best和预测正确的概率区间；最终求出模型的预测的准确率以及所有预测样本预测正确的概率区间的并集。

2.根据权利要求1所述的一种基于韦恩预测的电子鼻数据挖掘方法，其特征在于，建模和预测的过程如下：用新的训练集的数据，选择One-vs-One的方式进行svm建模得到模型；数据集中可能的种类{1，2，...k}，有k(k-1)/2个二分类的svm模型；对于每一个可能的种类，有k-1个相关的二分类svm的决策函数；对于新的训练集的每一个样本x，计算融合的决策函数D(x)，

是在One-vs-One的svm模型中，通过max-wins投票方式求得的预测种类；N(f)将f值归一化至[01]区间；对D(x)运用k平均聚类算法，找出k个中心点；对样本z_j，求出它的融合决策函数值D(x_j)，找到离它最近的中心点，求出 它的预测种类b_j。

3.根据权利要求1所述的一种基于韦恩预测的电子鼻数据挖掘方法，其特征在于，步骤S03中训练集和测试集是按照10-folds交叉检验的方法进行划分，即对每种类别的样本划分为10份，每次取其中1份作为训练集，其他9份作为测试集，重复10次直到所有样本都作为测试样本1次。

4.根据权利要求1或2所述的一种基于韦恩预测的电子鼻数据挖掘方法，其特征在于，svm模型选择的核函数是RBF，其中参数gamma和C通过网格法进行优化。