1. Article
1.Scent classification by K nearest neighbors using ion-mobility spectrometry measurements
2. 主要工作和创新之处
• K最近领近算法将气味及其化学成分分类。
• 仅使用离子迁移谱测量法对气味/化学物质进行分类。
• 使用k维树搜索的分类大约快8倍。 (降低运算成本和算法复杂度)
•通过主成分分析,忽略了71–86%的特征进行分类。
3. 算法原理
d E ( X u s , X i ) = ∑ j = 1 14 ( x i j − x j ( u s ) ) 2 d_E(X^{us},X_i)=\sqrt{\sum_{j=1}^{14}{(x_{ij}-x_j^{(us)})^2}} dE(Xus,Xi)=j=1∑14(xij−xj(us))2
Xus为14维的IMS样本数据,Xus=[x1(us)…x14(us)]
Xi为训练集中的N个IMS样本,Xi=[xi,1,…xi,14],i=1,…N
选择与样本Xus最邻近的K个同类样本作为其标签
- K的选择
作者使用固定的K值 → \rightarrow →数据平滑 → \rightarrow →归一化
4. 数据预处理
4.1 平滑:
其中xij(t)([i=1,2…N, j=1,2…14])为IMS测量值,w是滑动MA的窗口长度
4.2 归一化:
x ˉ i j \bar{x}_{ij} xˉij为归一化值, x ~ i j \tilde{x}_{ij} x~ij为平滑后的测量值, u j u_j uj为均值, σ j \sigma_j σj为标准差
5. 算法优化
5.1 k-d树
IMS数据是14维的,为了增加精确度需要大的N,计算复杂度高必须降低K NN 的计算复杂度。可以使用三种不同的技术:①计算局部距离,②预先构造和编辑训练样本
③ķ维树(ķ -d树又名多维二叉搜索树)
-
新节点加入现有k-d树时,无需重新训练整个树
-
主要缺点是k -d树可能会错过真正的最近邻居,因为k -d树搜索是一种近似方法
-
对于较大的*N,*此方法通常效果很好
特别适合低维,实值数据(例如IMS数据)
5.2 PCA降维
目的
- 降低数据维度,减少计算成本
- 筛选有用的特征,避免被噪声干扰
具体步骤
① 使用PCA对离线训练集进行变换
得到14通道的经验均值
和包含主成分系数的14×14矩阵C
② 对一个未知新标准化IMS采样样本进行14维的PCA变换
其中 X ˉ u s \bar{X}^{us} Xˉus为归一化值, y ( u s ) y^(us) y(us)为PCA变换后值。
无需对训练集进行重新训练即可添加新的训练样本
③ 对PCA-变换数据进行分类(使用KNN)
计算新样本
y
(
u
s
)
y^(us)
y(us)与第
i
i
i个经过PCA转换的训练样本y i之间的欧几里得距离。