[发明专利]基于改进蜜獾算法结合近红外光谱的阻燃塑料分类方法

权利要求书

1.基于改进蜜獾算法结合近红外光谱的阻燃塑料分类方法，其特征在于，包括以下步骤：

步骤1：对阻燃塑料近红外光谱的原始数据集进行预处理，并按照7∶3的比例随机分为训练集和测试集；

步骤2：利用SVM算法建立阻燃塑料近红外光谱的分类模型；

步骤3：利用训练集结合MPA-HBA算法优化SVM模型的参数c和g；

步骤4：选取最优的SVM参数构建MPA-HBA-SVM模型，对测试集数据进行分类并判断分类结果的正确率。

2.根据权利要求1所述的基于改进蜜獾算法结合近红外光谱的阻燃塑料分类方法，其特征在于：所述步骤1中对阻燃塑料近红外光谱的原始数据集进行预处理为对阻燃塑料近红外光谱的原始数据进行滤波、归一化、标准正态变量变换和基线校正。

3.根据权利要求1所述的基于改进蜜獾算法结合近红外光谱的阻燃塑料分类方法，其特征在于：所述步骤3具体包括以下步骤：

步骤3.1：设定MPA-HBA算法模型的种群初始化和MPA-HBA算法的寻优上下边界、种群数、迭代次数和选择维度等参数；

步骤3.2：定义MPA-HBA算法的搜索强度和更新密度因子；

步骤3.3：定义MPA-HBA算法的搜索方式；

步骤3.4：为MPA-HBA的搜索过程添加FADs效应或涡流效应；

步骤3.5：随着迭代次数增多，MPA-HBA算法种群会跟随向鸟直达猎物位置；

步骤3.6：选取训练样本的分类错误率作为MPA-HBA算法的适应度函数来计算每个蜜獾个体的适应度值。

4.根据权利要求3所述的基于改进蜜獾算法结合近红外光谱的阻燃塑料分类方法，其特征在于：所述步骤3.1具体为：

对种群进行初始化，定义种群边界最大值为ub，最小值为lb，种群个数为N，迭代次数为Tmax，维度为dim，X为初始化的随机种群样本，初始化公式为：

X＝rand(N，dim)*(ub-lb)+lb。

5.根据权利要求3所述的基于改进蜜獾算法结合近红外光谱的阻燃塑料分类方法，其特征在于：所述步骤3.2具体为：

定义搜索强度I，d为猎物位置与当前蜜獾位置的距离，S为源强度，xi为种群中第i个个体，r1为0到1的随机数，搜索强度I的公式如下：

S＝(x_i-x_i+1)²

d_i＝x_best-x_i

定义更新密度因子α，C为一个大于1的常数，α随着迭代次数会发生变化，用来控制勘探和开发阶段的稳定，更新密度因子α的公式如下：

6.根据权利要求3所述的基于改进蜜獾算法结合近红外光谱的阻燃塑料分类方法，其特征在于：所述步骤3.3搜索方式执行过程的种群中每个个体都执行类心形运动曲线，具体运动公式如下：

x_new＝x_best+F*β*I*x_best+F*r₂*α*d_i*|cos(2πr₃)*[1-cos(2πr₄)]|

其中，F为方向控制符，可使搜索过程避免陷入局部最优，r₂、r₃、r₄、r₅为0到1的随机数，β为大于1的常数，表示搜索算法搜索的能力。

7.根据权利要求3所述的基于改进蜜獾算法结合近红外光谱的阻燃塑料分类方法，其特征在于：所述步骤3.4添加FADs效应或涡流效应的公式为：

U＝rand(N，dim)＜FADs

R为服从levy飞行的随机向量，x_max和x_min为x的最大值和最小值，FADs为设定常数取值为0.2，CF为控制移动步长，r₆为0到1的随机数。