化學(xué)聚類(lèi)分析及線(xiàn)性判別分析方法研究.pdf

1、論文第一章為該論文的緒論,在該部分作者概述了化學(xué)模式識(shí)別的基本發(fā)展情況,著重討論了線(xiàn)性判別分析,聚類(lèi)分析和模式識(shí)別在氣體傳感器陣列上的應(yīng)用等研究上的難點(diǎn)和熱點(diǎn)等問(wèn)題,論文第二章提出了最近局部最大值搜索聚類(lèi)算法.這是一種基于核函數(shù)密度估計(jì)的密度聚類(lèi)方法.在該方法中,利用梯度搜索算法對(duì)每個(gè)樣本沿著最速上升方向(即梯度上升方向)進(jìn)行局部最大值搜索來(lái)獲得高斯核函數(shù)密度估計(jì)的局部最大值.這個(gè)局部最大值是樣本沿著梯度上升方向所能找到的概率密度的最近

2、的最大點(diǎn),實(shí)際上就是樣本所屬聚類(lèi)的代表點(diǎn),通過(guò)使用該算法,每個(gè)樣本都自動(dòng)收斂到自己所屬的聚類(lèi)的代表點(diǎn),從而完成對(duì)整個(gè)數(shù)據(jù)集的聚類(lèi).可靠性曲線(xiàn)被用來(lái)確定合適的高斯核平滑系數(shù)取值和評(píng)價(jià)聚類(lèi)結(jié)果.通過(guò)對(duì)模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)的進(jìn)行處理的結(jié)果表明,該方法能有效的在沒(méi)有任何關(guān)于數(shù)據(jù)先驗(yàn)信息的基礎(chǔ)上對(duì)具有任意形狀聚類(lèi)結(jié)構(gòu)的數(shù)據(jù)進(jìn)行聚類(lèi)分析.論文第三章結(jié)合隱變量方法改進(jìn)了現(xiàn)有的誤差平方和聚類(lèi)準(zhǔn)則函數(shù),在此聚類(lèi)準(zhǔn)則的基礎(chǔ)上提出了一個(gè)基于隱變量模型的聚類(lèi)算法

3、,目的在于充分利用多維的化學(xué)量測(cè)數(shù)據(jù)可以被少數(shù)隱變量表出的特性來(lái)解決高維化學(xué)量測(cè)數(shù)據(jù)的聚類(lèi)問(wèn)題.通過(guò)對(duì)模擬數(shù)據(jù)和真實(shí)化學(xué)量測(cè)數(shù)據(jù)的進(jìn)行聚類(lèi)分析的結(jié)果表明,該方法能有效的處理高維化學(xué)量測(cè)數(shù)據(jù)的聚類(lèi)問(wèn)題.論文第四章引入了支持向量機(jī)算法的最優(yōu)分類(lèi)面的概念,基于最優(yōu)分類(lèi)面使被分類(lèi)的兩類(lèi)間隔最大的思想,提出了最大類(lèi)分離投影判別準(zhǔn)則.其基本思想是找到一個(gè)投影矢量,使得兩類(lèi)數(shù)據(jù)在該矢量上的投影實(shí)現(xiàn)最大程度的分離.結(jié)合該準(zhǔn)則,利用實(shí)數(shù)遺傳算法作為優(yōu)化工

4、具,發(fā)展了最大類(lèi)分離投影線(xiàn)性判別法.通過(guò)對(duì)模擬數(shù)據(jù)和真實(shí)數(shù)據(jù)的進(jìn)行分類(lèi)判別表明,該方法具有較高的預(yù)測(cè)能力,并且對(duì)線(xiàn)性不可分?jǐn)?shù)據(jù)有較好的分類(lèi)效果.論文第五章使用基于隱變量模型的聚類(lèi)算法對(duì)兩組會(huì)屬氧化物半導(dǎo)體(MOS)傳感器陣列數(shù)據(jù)進(jìn)行模式識(shí)別.一組數(shù)據(jù)為表面涂有不同金屬氧化物催化涂層的SnO<,2>氣體傳感器陣列對(duì)醇,酮,酯類(lèi)揮發(fā)性氣體的響應(yīng)數(shù)據(jù).另一組為金屬氧化物半導(dǎo)體(MOS)傳感器陣列對(duì)甲烷,乙烷,丙烷,和丙烯四種烴類(lèi)氣體的響應(yīng)數(shù)據(jù)