基于协同策略模拟退火的呼气试验人群分类识别方法OA
Population classification and recognition method for breath test based on collaborative strategy simulated annealing
为解决呼气试验人群分类识别中的在线分类诊断问题,提出一种基于降温机制与可变迭代次数协同策略的模拟退火优化算法,有效实现呼气试验人群分类识别.在这种算法中,降温机制采用正弦函数进行小波动降温,以此提高全局搜索能力;可变迭代次数则采用迭代次数增加机制与设置上限的方法,用来平衡算法搜索能力与速度.为验证这种方法的有效性,还进行了漱口前后呼气分类实验.结果表明,测试集分类准确率达到92.3％,与商用的OPLS-DA+Wilcoxon软件检验判别相比,分类准确率提高了 3.8％.
To address the online classification diagnosis problem in breath test population classification and identification,a simulated annealing optimization algorithm based on a dual-coordinated strategy of cooling mechanism and variable iteration count is proposed to achieve breath test population classification and identification.In this algorithm,the cooling mechanism employs a sine function for small fluctuation cooling,thereby enhancing the global search capability;the variable iteration count utilizes an iteration count increase mechanism combined with an upper limit setting to balance the algorithm's search capability and speed.To verify the effectiveness of this method,breath classification experiments were conducted before and after rinsing the mouth.The results showed that the accuracy rate of the test set reached 92.3％,which is 3.8％higher than that obtained by the commercially available OPLS-DA+Wilcoxon software for discriminant analysis.
李军炜;葛殿龙;陆燕;储焰南
安徽大学物质科学与信息技术研究院,安徽 合肥 230601||中国科学院合肥物质科学研究院健康与医学技术研究所,安徽 合肥 230031中国科学院合肥物质科学研究院健康与医学技术研究所,安徽 合肥 230031||中国科学院合肥肿瘤医院,安徽 合肥 230031中国科学院合肥物质科学研究院健康与医学技术研究所,安徽 合肥 230031||中国科学院合肥肿瘤医院,安徽 合肥 230031安徽大学物质科学与信息技术研究院,安徽 合肥 230601||中国科学院合肥物质科学研究院健康与医学技术研究所,安徽 合肥 230031||中国科学院合肥肿瘤医院,安徽 合肥 230031
信息技术与安全科学
分类诊断人工智能呼气分析色谱质谱模拟退火算法
classification diagnosisartificial intelligencebreath analysischromatography-mass spectrometrysimulated annealing algorithm
《安徽大学学报（自然科学版）》 2026 (2)
58-65,8
评论