專利名稱:一種基于磁場實現(xiàn)模擬場計算機數(shù)據(jù)分類方法
技術(shù)領域:
本發(fā)明涉及一種數(shù)據(jù)分類方法,特別涉及一種基于磁場實現(xiàn)模擬場計算機數(shù)據(jù)分類方法。
背景技術(shù):
模式識別是人類的一項基本智能,在日常生活中,人們經(jīng)常用“模式識別,,來代替人類部分腦力勞動。模式識別是指對表征事物或現(xiàn)象的各種形式的信息進行處理和分析, 以對事物或現(xiàn)象進行描述、辨認、分類和解釋的過程。在模式識別的過程中通常要對大量的數(shù)據(jù)進行分類,數(shù)據(jù)分類的速度和準確性直接影響模式識別的效率和精確度。目前,通常采用基于硅材料的微處理器為基礎的數(shù)字計算機,對模式識別過程中獲取的大量數(shù)據(jù)進行分類。但是,摩爾定律以及微電子技術(shù)理論上的光傳輸速度極限,量子力學的測不準原理和熱力學第二定律等帶來的瓶頸,使得數(shù)字計算機在進行數(shù)據(jù)分類的過程速度慢、效率低。同時數(shù)字計算機在面對模式識別中產(chǎn)生的二維以及二維以上的數(shù)據(jù),其只能對數(shù)據(jù)的每一維進行串行處理,其分類效率低。
發(fā)明內(nèi)容
本發(fā)明的目的是提出了一種基于磁場實現(xiàn)模擬場計算機的數(shù)據(jù)分類方法,該方法能夠同時對多維數(shù)據(jù)中的各維進行并行處理,且采用基于磁場實現(xiàn)的模擬場計算機,非線性分類能力強,可以實現(xiàn)對復雜數(shù)據(jù)進行高速準確地分類。本發(fā)明的目的主要通過下述技術(shù)方案實現(xiàn)的一種基于磁場實現(xiàn)模擬場計算機的數(shù)據(jù)分類方法,用于對模式識別過程中獲取的 Ψ個&維數(shù)據(jù)QJk1]進行分類,其中,i = 1,21 1^屯,且從[1^]中包含A種類型的數(shù)據(jù);具體步驟為步驟一、在導磁介質(zhì)薄膜上選取M1XM2個點垂直設置探針;從所設置的探針中選取k2個探針作為構(gòu)建磁場輸入點,選取Ic1個探針作為數(shù)據(jù)輸入點,選取一個探針作為數(shù)據(jù)輸出點;其中,構(gòu)建磁場輸入點、數(shù)據(jù)輸入點以及數(shù)據(jù)輸出點為互不相同的點;步驟二、隨機生成Ii2個用于構(gòu)建磁場的k2維構(gòu)建數(shù)據(jù)Oj [k2],j = 1,2L Ln2,每個構(gòu)建數(shù)據(jù)能夠構(gòu)建一個模擬場計算機;從QJk1]的每一類型數(shù)據(jù)中分別選取Ii1個數(shù)據(jù)作為輸入數(shù)據(jù);構(gòu)建數(shù)據(jù)的每維值決定向構(gòu)建磁場輸入點輸入電流的密度,輸入數(shù)據(jù)中的每維值決定向數(shù)據(jù)輸入點輸入電流的密度,從數(shù)據(jù)輸出點獲取磁場強度值或磁感應強度值作為輸出值;步驟三、對構(gòu)建數(shù)據(jù)進行驗證,其具體驗證過程為針對每一構(gòu)建數(shù)據(jù),設定每一類型輸入數(shù)據(jù)對應的輸出范圍;將根據(jù)各輸入數(shù)據(jù)獲取的電流輸入到數(shù)據(jù)輸入點上,從數(shù)據(jù)輸出點上得到一組輸出值;利用各組輸出值和輸出范圍計算各構(gòu)建數(shù)據(jù)對應的誤差,根據(jù)所述誤差選取最優(yōu)構(gòu)建數(shù)據(jù)建立模擬場計算機對Qi [kj進行分類。本發(fā)明所述驗證的過程為
步驟201、設定每一類型輸入數(shù)據(jù)對應的輸出范圍步驟202、從Oj [k2]中選取一未遍歷的構(gòu)建數(shù)據(jù)作為電流的密度值選取k2個電流, 并將所述k2個電流輸入到k2個構(gòu)建磁場輸入點上,并將獲取的構(gòu)建數(shù)據(jù)標記為已遍歷的構(gòu)建數(shù)據(jù);步驟203、針對每一個輸入數(shù)據(jù),利用其作為電流的密度值獲取Ic1個電流,并將所述&個電流輸入到Ic1個數(shù)據(jù)輸入點上;步驟204、判斷利用本循環(huán)選取的構(gòu)建數(shù)據(jù)建立的模擬場計算機,針對每一輸入數(shù)據(jù)所對應的輸出值和輸出范圍計算構(gòu)建數(shù)據(jù)對應的誤差,判斷所述誤差是否滿足預設條件,若是,則將本循環(huán)中構(gòu)建數(shù)據(jù)作為最優(yōu)構(gòu)建數(shù)據(jù)建立模擬場計算機對QJk1]進行分類, 否則,返回步驟202。本發(fā)明所述步驟二和步驟三的具體過程為步驟301、設置最大迭代次數(shù)為Maxiter,并設定A種類型數(shù)據(jù)中每一種類型所對應的輸出范圍,同時令迭代次數(shù)iter = 0 ;步驟302、利用粒子群算法隨機生成Ii2個用于構(gòu)建磁場的構(gòu)建數(shù)據(jù)A [k2],j = 1, 2L Ln2,每個構(gòu)建數(shù)據(jù)的維數(shù)為k2,n2個構(gòu)建數(shù)據(jù)兩兩互不相同,且每個構(gòu)建數(shù)據(jù)對應一個誤差量Bp令B」=0 ;從QJk1]的每一類型數(shù)據(jù)中分別選取Ii1個數(shù)據(jù)作為輸入數(shù)據(jù);步驟303、從Ii2個OJk2]中選取一未被遍歷的k2維構(gòu)建數(shù)據(jù),記為OJk2],將 OJk2]中k2維數(shù)據(jù)的各維值作為電流的密度值,將k2個電流分別輸入到k2個構(gòu)建磁場輸入點上,此時將所述OJk2]標記為已經(jīng)遍歷的構(gòu)建數(shù)據(jù);步驟304、從AXn1個輸入數(shù)據(jù)中選取一未被遍歷的Ic1維輸入數(shù)據(jù),記為Qli [kj, 將Qu [kj中Ic1維數(shù)據(jù)的各維值作為電流的密度值,將Ic1個電流分別輸入到Ic1個數(shù)據(jù)輸入點上,此時將所述Q1Jk1]標記為已經(jīng)遍歷的輸入數(shù)據(jù);同時存儲數(shù)據(jù)輸出點上獲取磁場強度值或磁感應強度值作為輸出值;步驟305、判斷上述AXn1A輸入數(shù)據(jù)是否都為已經(jīng)遍歷的輸入數(shù)據(jù),若是,進入步驟306,否則,返回步驟304 ;步驟306、判斷上述Ii2個構(gòu)建數(shù)據(jù)是否都為已經(jīng)遍歷的構(gòu)建數(shù)據(jù),若是,則進入步驟307,否則,返回步驟303 ;步驟307、獲取本次循環(huán)中Ii2個構(gòu)建數(shù)據(jù)所對應的Ii2組輸出值,其中每組有AXn1 個輸出值,以組為單位判斷每一個輸出值是否在其對應輸入數(shù)據(jù)類型所確定的輸出范圍內(nèi),若是,則h不變,否則令B」等于B」加上差值Δ,其中所述差值Δ為輸出值所對應的輸出范圍中和輸出值最接近的值與輸出值之差的平方;步驟308、選取誤差量Bj中最小的一個,記為Bmin,并判斷Bmin是否小于預設的ξ, 若是則進入步驟310 ;否則,進入步驟309 ;步驟309、判斷迭代次數(shù)iter是否小于最大迭代次數(shù)Maxiter,如果是,令迭代次數(shù)iter加1,根據(jù)B」利用粒子群算法對Ii2個構(gòu)建數(shù)據(jù)C^_[k2]進行更新,進入步驟303,如果不是,則進入步驟310 ;步驟310、將此時Bmin所對應的構(gòu)建數(shù)據(jù)作為最優(yōu)構(gòu)建數(shù)據(jù),利用最優(yōu)構(gòu)建數(shù)據(jù)作為電流的密度值選取k2個電流,將k2個電流輸入到k2個構(gòu)建磁場輸入點上,依次將Qi [kj 從&個數(shù)據(jù)輸入點上輸入,并根據(jù)輸出值所處的范圍對輸入的數(shù)據(jù)進行分類。
有益效果 本發(fā)明基于磁場利用多組模式識別的數(shù)據(jù)對多個構(gòu)建數(shù)據(jù)進行訓練,獲取一個最優(yōu)構(gòu)建數(shù)據(jù),利用該最優(yōu)構(gòu)建數(shù)據(jù)實現(xiàn)的模擬場計算機可以準確地對數(shù)據(jù)進行分類。其次,當處理多維數(shù)據(jù)時,通過選取模擬場計算機上數(shù)據(jù)輸入點的個數(shù),并在各點上輸入各維數(shù)值所對應的電流,可實現(xiàn)對多維數(shù)據(jù)的各維進行同時處理。再次,本發(fā)明基于磁場實現(xiàn)的模擬場計算機,數(shù)據(jù)輸入點和數(shù)據(jù)輸出點的非線性效果好,因此可以實現(xiàn)對較為復雜數(shù)據(jù)進行處理;同時形成磁場的速度快,采用本發(fā)明數(shù)據(jù)處理速度快。
圖1為本發(fā)明模擬場計算機的示意圖。圖2為本發(fā)明磁場計算模型示意圖。圖3為本發(fā)明一個實施例對構(gòu)建數(shù)據(jù)進行驗證的的流程圖。圖4為本發(fā)明另二個實施例對數(shù)據(jù)進行分類方法的流程圖。
具體實施例方式下面結(jié)合附圖對本發(fā)明進行進一步詳細說明。本發(fā)明基于磁場實現(xiàn)模擬場計算機數(shù)據(jù)分類方法,用于對模式識別過程中獲取的 Wfk1維數(shù)據(jù)QJk1]進行分類,其中,i = 1,21 1^屯,且仏[1^]中包含A種類型的數(shù)據(jù)。步驟一、在導磁介質(zhì)薄膜上選取M1XM2個點垂直設置探針;如圖1所示,較佳地選取虬=M2,且每相鄰兩點之間的距離相等,M1XM2個點構(gòu)成了一個矩形陣列。從所述設置的探針中選取k2個探針作為構(gòu)建磁場輸入點,選取Ic1個探針作為數(shù)據(jù)輸入點,選取一個探針作為數(shù)據(jù)輸出點;其中,構(gòu)建磁場輸入點、數(shù)據(jù)輸入點以及數(shù)據(jù)輸出點為互不相同的點。由于探針設置在導磁介質(zhì)薄膜上,因此當某一探針或某多個探針上有電流輸入時,則在導磁介質(zhì)薄膜上形成磁場,其它探針上具有磁場強度或磁感應強度的輸出。本發(fā)明選取k2個探針作為構(gòu)建磁場輸入點,當需要進行分類的數(shù)據(jù)是由多種類型的多維數(shù)據(jù)組成時,則k2選取較大,當需要進行分類的數(shù)據(jù)是一組較為簡單的數(shù)據(jù),即包含的數(shù)據(jù)類型和維數(shù)都較少時,則1^2選取較小即可。例如本實施例中設ki等于4,A等于5, 即模式識別過程中獲得的數(shù)據(jù)為包括5種類型的4維數(shù)據(jù),則將k2選為4。由于Qi[kj為 Ic1維數(shù)據(jù),分別代表了事物的Ic1個特征,因此選取Ic1個探針作為數(shù)據(jù)輸入點,分別將各維數(shù)據(jù)作為電流的密度值,從數(shù)據(jù)輸入點上輸入各電流的密度值所對應的電流。例如,設本實施例中數(shù)據(jù)輸出點上輸出數(shù)據(jù)為磁場強度;當構(gòu)建磁場輸入點上的輸入電流確定時,此時數(shù)據(jù)輸入點上輸入的電流會影響數(shù)據(jù)輸出點上輸出的磁場強度,使得數(shù)據(jù)輸入點上輸入的電流與數(shù)據(jù)輸出點上輸出的磁場強度之間存在一個非線性關(guān)系,進而可以根據(jù)數(shù)據(jù)輸出點上的輸出判斷輸入數(shù)據(jù)所對應的類型。上述非線性關(guān)系的證明如下假設電流I是一根穿過導磁介質(zhì)薄膜的無線長直導線,電流的方向為垂直于導磁介質(zhì)薄膜向外(定義為正向)。如圖2所示,圖中的圓代表磁力線。取磁場強度的幅度H為輸出量,H=I/(2π ρ ),方向是磁力線的切線方向,ρ是輸入點與輸出點之間的距離。
如圖2(a)所示,此時導磁介質(zhì) 薄膜上有一個電流輸入,則輸出點的磁場強度 Hsum = ^Hx2+Hy2 ,其中Hx = -Hsina ,Hy = Hcos a,H為輸入電流在輸出點上產(chǎn)生的磁場強度,α是輸入點和輸出點連線與Χ軸的夾角。如圖2(b)所示,此時導磁介質(zhì)薄膜上有兩個電流輸入,則輸出點的磁場強度 Hsum = ^Hx2 +Hy2Hx = -H1Sin a rH2sin a 2, Hy = H1Cos a !+H2Cos a 2, H1
入電流在輸出點上產(chǎn)生的磁場強度,H2為第二輸入電流在輸出點上產(chǎn)生的磁場強度,a !是第一個電流輸入點和輸出點連線與χ軸的夾角,a 2是第二個電流輸入點和輸出點連線與χ 軸的夾角。假設薄膜有m個電流輸入點(正向Vi = 0,負向Vi = 1),1個輸出點,則輸出點的磁場強度為Hsum = ^WJ = ^IlIj_
νP1Pj其中,Cii表示第i個電流輸入點和輸出點連線與χ軸之間的夾角,^表示第j個電流輸入點和輸出點連線與Χ軸之間的夾角;P i表示第i個電流輸入點與輸出點之間的距離,^第j個電流輸入點與輸出點之間的距離。由此可以看出,輸出點的磁場強度和輸入點的電流之間存在著非線性的關(guān)系。步驟二、隨機生成Ii2個用于構(gòu)建磁場的k2維構(gòu)建數(shù)據(jù)Oj [k2],j = 1,2L Ln2,每個構(gòu)建數(shù)據(jù)能夠構(gòu)建一個模擬場計算機;從QJk1]的每一類型數(shù)據(jù)中分別選取Ii1個數(shù)據(jù)作為輸入數(shù)據(jù);構(gòu)建數(shù)據(jù)的元素值決定向構(gòu)建磁場輸入點輸入電流的密度,輸入數(shù)據(jù)中的元素值決定向數(shù)據(jù)輸入點輸入電流的密度,從數(shù)據(jù)輸出點獲取磁場強度值或磁感應強度值作為輸出值。步驟三、對構(gòu)建數(shù)據(jù)進行驗證,其具體驗證過程為針對每一構(gòu)建數(shù)據(jù),將各輸入數(shù)據(jù)獲取的電流輸入到數(shù)據(jù)輸入點上,從數(shù)據(jù)輸出點上得到一組輸出值;利用各組輸出值和輸出范圍計算構(gòu)建數(shù)據(jù)對應的誤差,根據(jù)所述誤差選取最優(yōu)構(gòu)建數(shù)據(jù)建立模擬場計算機,對QJk1]進行分類。在一個實施例中,如圖3所示,對構(gòu)建數(shù)據(jù)進行驗證的具體過程為步驟201、設定每一類型輸入數(shù)據(jù)對應的輸出范圍;步驟202、從Oj [k2]中選取一構(gòu)建數(shù)據(jù)作為電流的密度值選取k2個電流,并將所述 k2個電流輸入到k2個構(gòu)建磁場輸入點上;步驟203、針對每一個輸入數(shù)據(jù),利用其作為電流的密度值獲取Ic1個電流,并將所述&個電流輸入到Ic1個數(shù)據(jù)輸入點上;步驟204、判斷利用本循環(huán)選取的構(gòu)建數(shù)據(jù)建立的模擬場計算機,針對每一輸入數(shù)據(jù)所對應的輸出值和輸出范圍計算構(gòu)建數(shù)據(jù)對應的誤差,判斷所述誤差是夠滿足預設條件,若是,則將本循環(huán)中構(gòu)建數(shù)據(jù)作為最優(yōu)構(gòu)建數(shù)據(jù)建立模擬場計算機,對QJk1]進行分類,否則,返回步驟202。在另一個實施例中,如圖4所示,本發(fā)明可以采用如下方式建立對數(shù)據(jù)進行分類具體過程為步驟Al、在導磁介質(zhì)薄膜上選取M1XM2個點垂直設置探針;從所設置的探針中選取k2個探針作為構(gòu)建磁場輸入點,選取Ic1個探針作為數(shù)據(jù)輸入點,選取一個探針作為數(shù)據(jù)輸出點;其中,構(gòu)建磁場輸入點、數(shù)據(jù)輸入點以及數(shù)據(jù)輸出點為互不相同的點。 步驟A2、設置最大迭代次數(shù)為Maxiter,并設定A種類型數(shù)據(jù)中每一種類型所對應的輸出范圍[fa,fa+1],其中,a = 1,2L 5。例如第一種數(shù)據(jù)類型對應的輸出范圍為[f1;f2], 第二種數(shù)據(jù)類型對應的輸出范圍為[f2,f3],第三種類型數(shù)據(jù)類型對應的輸出范圍為[f3, f4]等,同時令迭代次數(shù)iter = 0。步驟A3、利用粒子群算法隨機生成 個用于構(gòu)建磁場的構(gòu)建數(shù)據(jù),Oj [k2],j = 1, 2L Ln2,其中每個構(gòu)建數(shù)據(jù)的維數(shù)為k2維,n2個構(gòu)建數(shù)據(jù)兩兩互不相同,且每個構(gòu)建數(shù)據(jù)對應一個誤差量Bp令h = 0。本步驟中所使用的粒子群算法為近來發(fā)展的一個較為成熟的技術(shù),它是從隨機解出發(fā),通過迭代尋找最優(yōu)解,本發(fā)明中優(yōu)化變量對應著構(gòu)建磁場的構(gòu)建數(shù)據(jù)。粒子群算法粒子值更新公式ν (t+1) = w*v (t) +C1^rl* (pb (t) _x (t)) +c2*r2* (pg (t) _x (t))χ (t+1) = χ (t)+ν (t+1)這里的t就是指迭代的次數(shù)。ν是指粒子的速度,χ是指粒子的位置。PSO算法參數(shù)選擇
拓撲結(jié)構(gòu)W
編碼實數(shù)
種群大小η2
粒子維數(shù)k2
搜索空間[-1000,1000]
慣性參數(shù)%0.9
加速度因子q, C22C1, C2是加速系數(shù)(或稱學習因子),分別調(diào)節(jié)向全局最好粒子和個體最好粒子方向飛行的最大步長,若太小,則粒子可能遠離目標區(qū)域,若太大則會導致突然向目標區(qū)域飛去,或飛過目標區(qū)。合適的C1, C2可以加快收斂且不易陷入局部最優(yōu)。當(^ (32時,粒子的工作效率最高,通常取C1 = C2 = 2。用慣性權(quán)重w來控制前面的速度對當前速度的影響,較大的w可以加強PSO的全局搜索能力,而較小的W能加強局部搜索能力。實際結(jié)果表明,W在
之間有更快的收斂速度。迭代次數(shù)為了得到一個好的解,所需要的迭代次數(shù)也依賴于具體問題。太少的迭代可能使得算法早熟,而太多的迭代次數(shù)會增加計算的負擔。
種群大小大數(shù)量的種群可以在每一次迭代中都能搜索空間中更大的區(qū)域,同時也將增大算法的計算量,以及降低并行隨機搜索的性能。研究經(jīng)驗表明,10-30個粒子為最佳。但仍依賴于具體要解決的問題,在該問題的求解中,實驗結(jié)果表明,取15個粒子效果最
佳搜索空間(鄰域大小)鄰域越小,交流越少,收斂較慢,不過它的收斂更能可靠的找到最優(yōu)解,同時不容易陷入局部極值。步驟A4、利用未被遍歷的構(gòu)建數(shù)據(jù) [k2]作為電流的密度值選取k2個電流,將所述k2個電流輸入到k2個構(gòu)建磁場輸入點上,此時將On [k2]標記為已經(jīng)遍歷的構(gòu)建數(shù)據(jù), η e {1,2L L n2}。由于無法確定每個構(gòu)建磁場輸入點上所需輸入電流的大小,才能對輸入數(shù)據(jù)進行準確的分類,因此利用粒子群算法隨機生成的H2個構(gòu)建數(shù)據(jù),并對模式識別過程獲取的Ψ 個包含A種類型的Ic1維數(shù)據(jù),針對每一類型分別選取Ii1個已知類型的數(shù)據(jù),得到AXn1數(shù)據(jù)作為輸入數(shù)據(jù)來對構(gòu)建數(shù)據(jù)進行訓練(學習),以便獲得一個最優(yōu)的構(gòu)建數(shù)據(jù),具體過程如下。步驟A5、利用未被遍歷的輸入數(shù)據(jù)Q1Jk1]作為電流的密度值選取&個電流,將所述&個電流輸入到Ic1個數(shù)據(jù)輸入點上,此時將Qli [kj標記為已經(jīng)遍歷的輸入數(shù)據(jù), μ e {1,2,3L LAXnJ ;同時存儲數(shù)據(jù)輸出點上獲取的輸出值。步驟A6、判斷上述AXn1A輸入數(shù)據(jù)是否都為已經(jīng)遍歷的輸入數(shù)據(jù),若是,說明針對于每一個輸入數(shù)據(jù)都已經(jīng)獲得一個輸出值,則進入步驟A7,否則,返回步驟A5。步驟A7、判斷上述Ii2個構(gòu)建數(shù)據(jù)是否都為已經(jīng)遍歷的構(gòu)建數(shù)據(jù),若是,則進入步驟 A8,否則返回步驟A4。因為需要對Ii2個用于構(gòu)建磁場的構(gòu)建數(shù)據(jù)進行判斷,以便選取最優(yōu)構(gòu)建數(shù)據(jù),因此需要針對每一個構(gòu)建數(shù)據(jù),利用所選取的AXn1個輸入數(shù)據(jù)進行訓練。步驟A8、獲取本次循環(huán)中H2個構(gòu)建數(shù)據(jù)所對應的n2組輸出值,其中,每組有A X Ii1 個輸出值,以組為單位判斷每一個輸出值是否在其對應輸入數(shù)據(jù)類型所確定的輸出范圍內(nèi),若是,則令h不變,否則令B」等于B」加上差值Δ,其中所述差值Δ為輸出值所對應的輸出范圍中與輸出值最接近的值與輸出值之差的平方。下面列舉一詳細的例子進行說明設模式識別過程中獲得5種類型數(shù)據(jù),每種輸入數(shù)據(jù)對應的輸出范圍為,第一種輸入數(shù)據(jù)的輸出范圍為
,第二種輸入數(shù)據(jù)的輸出范圍為[20,40],第三種輸入數(shù)據(jù)的輸出范圍為[40,60],第四種輸入數(shù)據(jù)的輸出范圍為[60,80],第五種輸入數(shù)據(jù)的輸出范圍為[80,100]。針對每種類型數(shù)據(jù)選取20個作為輸入數(shù)據(jù),則總共包含100個輸入數(shù)據(jù), 對上述100個輸入數(shù)據(jù)所對應的輸出值進行判斷。若對于第一組構(gòu)建數(shù)據(jù),輸入數(shù)據(jù)中的第一個為第一種類型時,其輸出值為25.3則其不再W,20]范圍之內(nèi),于是令B1等于B1加上I 25. 3-20 I,繼續(xù)對輸入數(shù)據(jù)中的第二個進行判斷,依次類推。步驟A9、選取步驟A8獲得的誤差量Bj中最小的一個,記為Bmin,并判斷Bmin是否小于預設的ξ,若是則進入步驟AlO ;否則,進入步驟All。步驟A10、判斷迭代次數(shù)iter是否小于最大迭代次數(shù)Maxiter,如果是,令迭代次數(shù)iter加1,根據(jù)B」利用粒子群算法對Ii2個構(gòu)建數(shù)據(jù)(^.[k2]進行更新,進入步驟A3,如果不是,則進入步驟All。 其中,ξ為根據(jù)需要設定的閾值;因為當最小重疊量之和小于ξ后,則說明此時根據(jù)Bmin對應的構(gòu)建數(shù)據(jù)所構(gòu)建的磁場可以實現(xiàn)對輸入數(shù)據(jù)較為準確的分類,否則進入步驟A3繼續(xù)尋找最優(yōu)的構(gòu)建數(shù)據(jù)。本發(fā)明中所用的粒子群算法中的pg為本次循環(huán)相鄰兩個構(gòu)建數(shù)據(jù)中較優(yōu)的一個,即相鄰兩個構(gòu)建數(shù)據(jù)中對應B」較小的一個,pb為上次循環(huán)第j個構(gòu)建數(shù)據(jù)與這次循環(huán)第j個構(gòu)建數(shù)據(jù)中較優(yōu)的一個,即兩構(gòu)建數(shù)據(jù)中對應B」較小的一個。步驟All、將此時Bmin所對應的構(gòu)建數(shù)據(jù)作為最優(yōu)構(gòu)建數(shù)據(jù),利用最優(yōu)構(gòu)建數(shù)據(jù)作為電流的密度值選取k2個電流,將所述k2個電流輸入到k2個構(gòu)建磁場輸入點上,依次將 QiLkJ從&個數(shù)據(jù)輸入點上輸入,并根據(jù)輸出值所處的范圍對輸入的數(shù)據(jù)進行分類。綜上所述,以上僅為本發(fā)明的較佳實施例而已,并非用于限定本發(fā)明的保護范圍。 凡在本發(fā)明的精神和原則之內(nèi),所作的任何修改、等同替換、改進等,均應包含在本發(fā)明的保護范圍之內(nèi)。
權(quán)利要求
1.一種基于磁場實現(xiàn)模擬場計算機數(shù)據(jù)分類方法,用于對模式識別過程中獲取的Ψ 個&維數(shù)據(jù)Qi[kJ進行分類,其中,i = 1,21 Ψ, ^QiLk1]中包含A種類型的數(shù)據(jù);其特征在于,具體步驟為步驟一、在導磁介質(zhì)薄膜上選取M1XM2個點垂直設置探針;從所設置的探針中選取k2 個探針作為構(gòu)建磁場輸入點,選取&個探針作為數(shù)據(jù)輸入點,選取一個探針作為數(shù)據(jù)輸出點;其中,構(gòu)建磁場輸入點、數(shù)據(jù)輸入點以及數(shù)據(jù)輸出點為互不相同的點;步驟二、隨機生成n2個用于構(gòu)建磁場的k2維構(gòu)建數(shù)據(jù)A[k2],j = 1,2L Ln2,每個構(gòu)建數(shù)據(jù)能夠構(gòu)建一個模擬場計算機;從QJk1]的每一類型數(shù)據(jù)中分別選取Ii1個數(shù)據(jù)作為輸入數(shù)據(jù);構(gòu)建數(shù)據(jù)的每維值決定向構(gòu)建磁場輸入點輸入電流的密度,輸入數(shù)據(jù)中的每維值決定向數(shù)據(jù)輸入點輸入電流的密度,從數(shù)據(jù)輸出點獲取磁場強度值或磁感應強度值作為輸出值; 步驟三、對構(gòu)建數(shù)據(jù)進行驗證,其具體驗證過程為針對每一構(gòu)建數(shù)據(jù),設定每一類型輸入數(shù)據(jù)對應的輸出范圍;將根據(jù)各輸入數(shù)據(jù)獲取的電流輸入到數(shù)據(jù)輸入點上,從數(shù)據(jù)輸出點上得到一組輸出值;利用各組輸出值和輸出范圍計算各構(gòu)建數(shù)據(jù)對應的誤差,根據(jù)所述誤差選取最優(yōu)構(gòu)建數(shù)據(jù)建立模擬場計算機對Qi[kj進行分類。
2.根據(jù)權(quán)利要求1所述的數(shù)據(jù)分類方法,其特征在于,所述驗證的過程為步驟201、設定每一類型輸入數(shù)據(jù)對應的輸出范圍;步驟202、從A[k2]中選取一未遍歷的構(gòu)建數(shù)據(jù)作為電流的密度值選取1^2個電流,并將所述k2個電流輸入到k2個構(gòu)建磁場輸入點上,并將獲取的構(gòu)建數(shù)據(jù)標記為已遍歷的構(gòu)建數(shù)據(jù);步驟203、針對每一個輸入數(shù)據(jù),利用其作為電流的密度值獲取Ic1個電流,并將所述Ic1 個電流輸入到h個數(shù)據(jù)輸入點上;步驟204、判斷利用本循環(huán)選取的構(gòu)建數(shù)據(jù)建立的模擬場計算機,針對每一輸入數(shù)據(jù)所對應的輸出值和輸出范圍計算構(gòu)建數(shù)據(jù)對應的誤差,判斷所述誤差是否滿足預設條件,若是,則將本循環(huán)中構(gòu)建數(shù)據(jù)作為最優(yōu)構(gòu)建數(shù)據(jù)建立模擬場計算機對QJk1]進行分類,否則, 返回步驟202。
3.根據(jù)權(quán)利要求1所述的數(shù)據(jù)分類方法,其特征在于,所述步驟二和步驟三的具體過程為步驟301、設置最大迭代次數(shù)為Maxiter,并設定A種類型數(shù)據(jù)中每一種類型所對應的輸出范圍,同時令迭代次數(shù)iter = 0 ;步驟302、利用粒子群算法隨機生成Ii2個用于構(gòu)建磁場的構(gòu)建數(shù)據(jù)(^.[k2],j = 1,2L Ln2,每個構(gòu)建數(shù)據(jù)的維數(shù)為k2,Ii2個構(gòu)建數(shù)據(jù)兩兩互不相同,且每個構(gòu)建數(shù)據(jù)對應一個誤差量Bp令B」=0 ;從QJk1]的每一類型數(shù)據(jù)中分別選取Ii1個數(shù)據(jù)作為輸入數(shù)據(jù);步驟303、從n2個OjEk2]中選取一未被遍歷的k2維構(gòu)建數(shù)據(jù),記為On [k2],將OJk2] 中k2維數(shù)據(jù)的各維值作為電流的密度值,將k2個電流分別輸入到k2個構(gòu)建磁場輸入點上, 此時將所述OJk2]標記為已經(jīng)遍歷的構(gòu)建數(shù)據(jù);步驟304、從AXn1個輸入數(shù)據(jù)中選取一未被遍歷的Ic1維輸入數(shù)據(jù),記為Qli [kj,將 Qu [kj中Ic1維數(shù)據(jù)的各維值作為電流的密度值,將Ic1個電流分別輸入到Ic1個數(shù)據(jù)輸入點上,此時將所述 [1^]標記為已經(jīng)遍歷的輸入數(shù)據(jù);同時存儲數(shù)據(jù)輸出點上獲取磁場強度值或磁感應強度值 作為輸出值;步驟305、判斷上述AXn1個輸入數(shù)據(jù)是否都為已經(jīng)遍歷的輸入數(shù)據(jù),若是,進入步驟 306,否則,返回步驟304 ;步驟306、判斷上述Ii2個構(gòu)建數(shù)據(jù)是否都為已經(jīng)遍歷的構(gòu)建數(shù)據(jù),若是,則進入步驟 307,否則,返回步驟303 ;步驟307、獲取本次循環(huán)中Ii2個構(gòu)建數(shù)據(jù)所對應的Ii2組輸出值,其中每組有AXn1個輸出值,以組為單位判斷每一個輸出值是否在其對應輸入數(shù)據(jù)類型所確定的輸出范圍內(nèi),若是,則h不變,否則令B」等于B」加上差值Δ,其中所述差值Δ為輸出值所對應的輸出范圍中和輸出值最接近的值與輸出值之差的平方;步驟308、選取誤差量&中最小的一個,記為Bmin,并判斷Bmin是否小于預設的ξ,若是則進入步驟310 ;否則,進入步驟309 ;步驟309、判斷迭代次數(shù)iter是否小于最大迭代次數(shù)Maxiter,如果是,令迭代次數(shù) iter加1,根據(jù)B」利用粒子群算法對Ii2個構(gòu)建數(shù)據(jù)Oj [k2]進行更新,進入步驟303,如果不是,則進入步驟310 ;步驟310、將此時Bmin所對應的構(gòu)建數(shù)據(jù)作為最優(yōu)構(gòu)建數(shù)據(jù),利用最優(yōu)構(gòu)建數(shù)據(jù)作為電流的密度值選取k2個電流,將k2個電流輸入到k2個構(gòu)建磁場輸入點上,依次將Qi [kj從Ic1 個數(shù)據(jù)輸入點上輸入,并根據(jù)輸出值所處的范圍對輸入的數(shù)據(jù)進行分類。
4.根據(jù)權(quán)利要求1所述的數(shù)據(jù)分類方法,其特征在于,所述M1 = M2,且每相鄰兩點之間的距離相等,M1XM2個點構(gòu)成了一個矩形陣列。
全文摘要
本發(fā)明公開了一種基于磁場實現(xiàn)模擬場計算機的數(shù)據(jù)分類方法,在導磁介質(zhì)薄膜上選取M1×M2個點垂直設置探針;從所設置的探針中選取k2個探針作為構(gòu)建磁場輸入點,選取k1個探針作為數(shù)據(jù)輸入點,選取一個探針作為數(shù)據(jù)輸出點;隨機生成n2個用于構(gòu)建磁場的k2維構(gòu)建數(shù)據(jù)Oj[k2],j=1,2L Ln2,每個構(gòu)建數(shù)據(jù)能夠構(gòu)建一個模擬場計算機;從Qi[k1]的每一類型數(shù)據(jù)中分別選取n1個數(shù)據(jù)作為輸入數(shù)據(jù);構(gòu)建數(shù)據(jù)的每維值決定向構(gòu)建磁場輸入點輸入電流的密度,輸入數(shù)據(jù)中的每維值決定向數(shù)據(jù)輸入點輸入電流的密度,從數(shù)據(jù)輸出點獲取磁場強度值或磁感應強度值作為輸出值;對構(gòu)建數(shù)據(jù)進行驗證,選取最優(yōu)構(gòu)建數(shù)據(jù)獲取模擬場計算機實現(xiàn)數(shù)據(jù)分類。采用本發(fā)明對數(shù)據(jù)分類速度快且準確率高。
文檔編號G06K9/62GK102222233SQ20111017442
公開日2011年10月19日 申請日期2011年6月24日 優(yōu)先權(quán)日2011年6月24日
發(fā)明者張哲 , 張銳, 李位星, 李振旭, 潘峰, 隆婷, 高巖, 高琪 申請人:北京理工大學