[发明专利]适于化工厂的多种融合有毒气体分类方法及巡检机器人

权利要求书

1.一种适于化工厂的多种融合有毒气体分类方法，其特征在于，所述方法包括：

S1：使用ECOC输出纠错编码，定义编码矩阵Sm×n，其中，m为待分类的气体类别数目，n为基分类器的数目，m×n为对m个类别进行n次划分，编码矩阵Sm×n的每个元素取值为{-1，0，1}中的任一数值，编码矩阵Sm×n的每一列采用一对一编码方法构建出一长度为n的编码序列；

S2：定义6个基分类器h1、h2、h3、h4、h5、h6，输入训练集E＝{(xj,yj)}，训练预先定义的6个基分类器；

S21：构造一L层神经网络，L＝3，神经网络第一层为包括A个神经元的输入层，A＝4，神经网络第二层为包括B个神经元的隐藏层，B＝5，神经网络第三层为包括C个神经元的输出层，C＝1；

S22：在(-1，1)之间随机取值初始化神经网络各层的权值θi，θi为第i层的权值矩阵，其中，i＝{1，2，3}，定义学习率η＝0.01，目标误差＝0.001，使用Sigmoid函数作为神经网络的激活函数，其中，；

S23：使用前向传播的方法计算出神经网络中隐藏层和输出层的输出矩阵，

=sigmoid(z)，其中，i={2，3}，z为神经网络中前一层的输入矩阵与权重矩阵的转置相乘得到的值，同时也为神经网络中下一层的输入值；

S24：按照逻辑回归问题方式定义并计算代价函数，

=，

其中，为代价函数的正则化项，能够防止训练结果过拟合；

S25：采用传统的梯度下降算法得到最优参数：

其中j＝1,2,3,...n；

S26：利用标准的反向传播最小化代价函数，训练得到最优的基分类器；

S3：确定样本的描述属性，采集多种融合有毒气体特征信息样本作为特征向量，输入至训练好的基分类器中分离出目标气体；

S4：解码阶段，将步骤S3中采集的多种融合有毒气体特征信息样本x输入至各基分类器，计算得到一输出向量H(x)，将该输出向量H(x)与步骤S1中定义的编码矩阵Sm×n的每一个行向量作汉明距离运算，取汉明距离最小的y作为预测的目标类别输出，其中，y＝{1，2，3，...，m}。

2.根据权利要求1所述的适于化工厂的多种融合有毒气体分类方法，其特征在于，步骤S2中，所述定义6个基分类器h1、h2、h3、h4、h5、h6取值分别为1，-1和0，取值为1表示将该类别作为正例，取值为-1表示将该类别作为反例，取值为0表示该基分类器不使用该类别。

3.根据权利要求1所述的适于化工厂的多种融合有毒气体分类方法，其特征在于，步骤S3中，所述多种融合有毒气体的特征信息包括时间加权平均容许浓度、短时间接触容许浓度、立即威胁生命和健康的浓度、最高容许浓度；待分类的气体类别包括氨气，一氧化碳，氯气和氰化氢。

4.根据权利要求1所述的适于化工厂的多种融合有毒气体分类方法，其特征在于，步骤S4包括以下步骤：

S41：各基分类器将步骤S3中采集的多种融合有毒气体特征信息的输入样本x计算得到一输出向量H(x)，H(x)＝(h1(x),h2(x),h3(x),h4(x),h5(x),h6(x))；

S42：将输出向量H(x)与步骤S1中定义的编码矩阵Sm×n的每一个行向量My(y＝1,2,3...,m)作汉明距离运算D＝(My,H(x))，取汉明距离最小的y作为预测的目标类别输出，得到如下输出值：μ(x)＝argmin{D(My,H(x))|y＝1,2,3,...,m}。