一种传感器漂移的自适应调节方法

专利类型：发明专利 

语 言：中文 

申 请 号：CN201610647861.8 

申 请 日：20160809 

发 明 人：张磊刘燕 

申 请 人：重庆大学 

申请人地址：400044 重庆市沙坪坝区沙正街174号 

公 开 日：20170104 

公 开 号：CN106289364A 

代 理 人：唐开平 

代理机构：重庆大学专利中心 50201 

摘　　要：本发明公开了一种传感器漂移的自适应调节方法，由于在原始空间里，原域和目标域样本的每维特征分布都不一致，学习一组变换基P，将源域和目标域的原始空间映射到某子空间，在子空间里，原域样本和目标域样本的每维特征分布都趋于一致，然后用同一分类器对其进行分类。本发明的技术效果：提高了识别精度。 

主 权 项：一种传感器漂移的自适应调节方法，其特征是，包括以下步骤：步骤1、输入源域样本(X_S，t_S)和目标域样本其中，为源域训练样本，为源域样本的类别标签；D表示每个样本的维数，N_S表示源域训练样本数，N_T为目标域的训练样本数；步骤2、根据传感器的个数，确定复合特征的数量M；步骤3、计算源域样本的第i个复合特征的中心和目标域样本的第i个复合特征的中心i＝1，...，M；j为源域的第j个样本；k为目标域的第k个样本；步骤4、计算源域样本的类内散布矩阵和类间散布矩阵$S_B^S={\Sigma }_{c=1}^C({\mu }_c-\mu ){({\mu }_c-\mu )}^T$$S_W^S=\frac{1}{N_c}{\Sigma }_{c=1}^C{\Sigma }_{x\in G_c}(x-{\mu }_c){(x-{\mu }_c)}^T$μ_c表示第c个类别的均值，μ是源域所有样本的均值，G_c表示源域的所有属于类别c的样本集合，x是源域的一个样本,C是总的类别数；步骤5、计算权重w_i，$W_i=\frac{\left({\Sigma }_{r=1}^M\left|\right|{\mu }_S^r-{\mu }_T^r|{|}_2^2\right)/\left(\left|\right|{\mu }_S^i-{\mu }_T^i|{|}_2^2\right)}{{\Sigma }_{q=1}^M\left(\left({\Sigma }_{r=1}^M\left|\right|{\mu }_S^r-{\mu }_T^r|{|}_2^2\right)/\left|\right|{\mu }_S^q-{\mu }_T^q|{|}_2^2\right)}$式中，r、i、q是复合特征的序号；步骤6、设置变量v和u的调节范围，v∈[V_min，V_max]，u∈[U_min，U_max],并初始化v＝V_min，u＝U_min；步骤7、令λ₀＝N^v和λ₁＝N^u，N为正整数；步骤8、计算矩阵A：$A={(S_W^S+{\lambda }_1{\Sigma }_{i=1}^M{w}_i({\mu }_S^i-{\mu }_T^i\left){\left({\mu }_S^i-{\mu }_T^i\right)}^T\right)}^{-1}(S_B^S+{\lambda }_a{X}_T{X}_T^T)$步骤9、根据AP＝ρP对矩阵A进行特征分解；P为转换基，由矩阵A特征分解后的特征向量组成；ρ是对角矩阵，对角线上为其特征值；步骤10、计算最优的子空间P^*＝[P₁，...，P_d]，P₁,…P_d是对A进行特征分解的前d个最大特征值所对应的特征向量；步骤11、计算在子空P^*间里源域样本和目标域样本的表达：X′_S＝(P^*)^TX_SX′_T＝(P^*)^TX_T步骤12、进行模式分类，计算识别精度；步骤13、u＝u+1若u≤U_max，则执行步骤7～12；否则执行步骤14；步骤14、v＝v+1若v≤V_max，令u＝U_min，执行步骤7～13；否则执行步骤15；步骤15、输出最优的转换基P和漂移自适应调节后的识别精度。 

关 键 词： 

法律状态：公开 

IPC专利分类号：G01D18/00(2006.01)I