[发明专利]一种无监督式的传感器阵列干扰特征去除方法

说明书

本发明公开了一种无监督式的传感器阵列干扰特征去除方法，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并根据评估结果，确定若干种提取方法作为本传感器阵列特征提取方法及初始特征；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；C：对初始特征数据集进行标准化、PCA变换、重要程度计算，然后根据重要程度进行降序排序并得到特征列表L₁；D：基于特征列表L₁计算特征间的相关性，去掉相关性的绝对值低于所设定阈值的特征得到最终的特征列表L₂。本发明可以无监督的去除传感器阵列中被严重干扰的特征，提高系统检测性能。

技术领域

本发明涉及一种传感器阵列优化方法，尤其涉及一种无监督式的传感器阵列中干扰特征去除方法。

背景技术

在使用传感器阵列进行检测时，通常是基于现有的数据，选择并固定使用识别性能较好的特征。然而，在实际检测过程中，在测试数据上往往有些特征会受到各种不可测因素的干扰。这些干扰在现有数据上没有显现，会极大的降低传感器阵列系统的检测性能。

发明内容

本发明的目的是提供一种无监督式的传感器阵列干扰特征去除方法，可以无监督的去除传感器阵列中被严重干扰的特征，提高系统检测性能。

本发明采用下述技术方案：

一种无监督式的传感器阵列干扰特征去除方法，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，从多种传感器阵列特征提取方法中选择识别性能高的若干种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代表特征维度数目，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，计算经标准化后的初始特征数据集X中每一维特征的重要程度F_j，然后根据计算得到的每一维特征的重要程度F_j，按照降序对标准化后的初始特征进行排序，得到特征列表L₁，L₁(i)表示特征列表L₁中的第i个特征；

D：基于特征列表L₁，通过计算特征间的相关性去掉相关性的绝对值低于所设定阈值的特征，得到最终的特征列表L₂，最终的特征列表L₂中的 s个特征即为使用本申请所述方法进行干扰特征去除后，所得到的未被严重干扰的特征。

所述的步骤A中，某种传感器阵列特征提取方法的识别性能按照单独使用该特征提取方法下，传感器阵列的识别精度来评价。

所述的识别精度按照多次随机划分数据集下的测试集平均识别率计算。

所述的步骤C包含以下具体步骤：

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，得到标准化后的初始特征数据集

其中，x_i，j是初始特征数据，代表矩阵中的元素即标准化后的初始特征数据，i，j为矩阵中的第i行和第j列，μ_i是第i维初始特征均值，σ_i是第i维初始特征标准差；

C3：对标准化后的初始特征数据集做PCA 变换，变换过程用公式(2)表示