基于量子粒子群的電子鼻傷口感染檢測(cè)算法研究.pdf

1、醫(yī)用電子鼻特指用于醫(yī)療診斷的電子鼻系統(tǒng),檢測(cè)原理是根據(jù)患者呼出的氣體或者傷口頂空氣體的氣味特征,來(lái)實(shí)現(xiàn)疾病診斷以及傷口感染檢測(cè)。傳統(tǒng)的病理學(xué)細(xì)菌檢驗(yàn)方法耗時(shí)費(fèi)力(通常耗時(shí)48小時(shí)以上),而且檢測(cè)需要專業(yè)人員進(jìn)行操作,程序復(fù)雜。近年來(lái),電子鼻作為一種新型的具有吸引力的方法受到了廣泛關(guān)注和應(yīng)用,并且其具有響應(yīng)時(shí)間短、檢測(cè)速度快,成本低、方便快捷、容易與人工智能結(jié)合的優(yōu)點(diǎn)。本論文主要以雄性大鼠作為實(shí)驗(yàn)對(duì)象,動(dòng)物傷口病原菌感染檢測(cè)作為應(yīng)用背景,

2、對(duì)已建立的用于動(dòng)物傷口檢測(cè)的醫(yī)用電子鼻實(shí)驗(yàn)系統(tǒng)進(jìn)行進(jìn)一步研究,論文的主要內(nèi)容如下:
　　特征提取是電子鼻數(shù)據(jù)處理中重要的一部分,原始特征的維數(shù)可能十分龐大,這很大程度影響了電子鼻后續(xù)的分類能力。針對(duì)傳統(tǒng)的特征提取方法,經(jīng)常是僅提取時(shí)域的響應(yīng)信號(hào)或者變換域的響應(yīng)信號(hào)作為特征,這樣并不能完全描述電子鼻數(shù)據(jù)的完整信息。為了建立能夠包含絕大部分傷口感染有用信息的數(shù)據(jù),論文主要介紹了傷口感染檢測(cè)電子鼻最常用的兩類特征提取方法用來(lái)提取數(shù)據(jù)關(guān)鍵

3、信息、提高后續(xù)分類器的識(shí)別精度,分別為基于時(shí)間域和基于變換域的特征提取方法,其中時(shí)域特征為提取穩(wěn)態(tài)響應(yīng)的最大值,變換域特征使用小波變換和傅里葉變換提取小波和傅里葉系數(shù)。最終通過(guò)實(shí)驗(yàn)表明不同的特征提取方法能對(duì)后續(xù)的分類器識(shí)別產(chǎn)生很大影響,本論文的混合特征矩陣構(gòu)建方法能夠包含更多的有用信息并且很大程度提高分類器的識(shí)別能力。
　　優(yōu)化算法近年來(lái)越來(lái)越廣泛地應(yīng)用于函數(shù)優(yōu)化、數(shù)據(jù)挖掘、模式識(shí)別等領(lǐng)域,本文電子鼻傷口感染檢測(cè)算法的研究中,優(yōu)化

4、算法將在特征選擇、分類器參數(shù)以及特征子集優(yōu)化等方面起巨大作用,因此本文著重研究了其中一種性能較好的優(yōu)化算法,即量子粒子群優(yōu)化算法(QPSO)。論文首先對(duì)該算法進(jìn)行了理論介紹以及數(shù)學(xué)分析,并對(duì)其性能與傳統(tǒng)粒子群算法和遺傳算法等優(yōu)化算法進(jìn)行了對(duì)比,得出 QPSO算法在搜索能力、收斂速度、解的精度和求解穩(wěn)健性等幾個(gè)方面有很大優(yōu)勢(shì)。然后針對(duì)混合特征矩陣仍具有高維度,并且在傳感器前期初始陣列的選型中必定出現(xiàn)一定冗余的特點(diǎn),需要在后期進(jìn)行傳感器的優(yōu)

5、化配置即對(duì)混合特征進(jìn)行特征選擇。論文提出了基于量子粒子群的特征選擇算法,該特征選擇以二分類為模型,能有效且準(zhǔn)確地從混合特征矩陣中提取有用的傳感器,克服了傳統(tǒng)特征選擇方法操作復(fù)雜,計(jì)算量大,針對(duì)傷口檢測(cè)數(shù)據(jù)效果不佳等缺陷。
　　另外,考慮到分類器模型參數(shù)以及各個(gè)傳感器的重要性不同會(huì)對(duì)分類器識(shí)別效果造成很大影響,論文將量子粒子群優(yōu)化算法引入到分類器模型參數(shù)和特征子集的同步優(yōu)化中。通過(guò)量子粒子群優(yōu)化算法尋找分類器參數(shù)和混合特征子集的重要