利用新型QPSO-RBM技术提升电子鼻的性能

提出了一种基于电子鼻技术的细菌检测分类新技术，即基于量子行为粒子群优化的受限玻尔兹曼机（QPSO-RBM）。 为了提高QPSO-RBM技术的性能，在RBM的训练过程中分别采用了三个训练目标功能。 QPSO-RBM采用了一种新的同步优化方法，以确保研究最佳性能。 通过比较三个训练目标函数的分类性能，我们发现区分训练目标具有比其他两种方法更好的效果。 已经开发了从时域和频域提取的四种特征，以证明该分类技术对四种不同类别的伤口的有效性。 当采用小波系数作为特征时，QPSO-RBM表现最佳。 然后探讨了RBM中隐藏节点的数量与模型识别率之间的联系。 最后，将QPSO-RBM与四个现有分类器进行了比较：*基基函数神经网络（RBFNN），支持向量机（SVM），k最近邻（KNN）和线性判别分析（LDA）。 结果表明，QPSO-RBM优于四个分类器。