專利名稱:毒素檢測系統(tǒng)和方法
技術(shù)領(lǐng)域:
本發(fā)明通常涉及毒素檢測,并且更具體地涉及一種開發(fā)用于基于從生物傳感器提 供的數(shù)據(jù)檢測毒素,尤其是在飲用水中的毒素的模型的系統(tǒng)和方法。
背景技術(shù):
市政供水的純度一直是公民和其主管部門的相對高度優(yōu)先考慮的事情。最近,雖 然不幸,關(guān)于有害化合物有目的的引入到市政供水已引起了關(guān)注。響應(yīng)于這些關(guān)注,各種團(tuán) 體,包括各種政府團(tuán)體,已經(jīng)開展計(jì)劃來開發(fā)檢測水中存在有害化合物的能力。各種發(fā)起者已經(jīng)圍繞基于生物的傳感器諸如電細(xì)胞基質(zhì)阻抗傳感器(ECIS)進(jìn)行 開發(fā)。不幸的是,當(dāng)暴露在相對低濃度的某些化合物時(shí),ECIS的響應(yīng)在統(tǒng)計(jì)上不能與暴露 到干凈水中顯著地區(qū)分。結(jié)果,尤其在相對低濃度值水平下,現(xiàn)有已知的用于處理來自ECIS 的數(shù)據(jù)的方法不能提供足夠高的靈敏度和足夠低的假陽性率。因此,需要用于檢測水中毒素的系統(tǒng)和方法,在暴露后盡早具有相對高的靈敏度 和低的假陽性率。本發(fā)明至少解決這一需要。
發(fā)明內(nèi)容
在一示意性實(shí)施例中,一種對于在水中存在一種或多種毒素生成通用二元分類器 (generic binary classifier)的方法包括從多個(gè)標(biāo)準(zhǔn)化先驗(yàn)(a priori)數(shù)據(jù)集中提取特 征,所述標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集包括一個(gè)或多個(gè)控制數(shù)據(jù)集和多個(gè)處理數(shù)據(jù)集。所述一個(gè)或多 個(gè)控制數(shù)據(jù)集表示對其中沒有毒素的水的電細(xì)胞基質(zhì)阻抗傳感器(ECIS)響應(yīng),并且多個(gè) 處理數(shù)據(jù)集的每個(gè)表示對其中具有毒素的水的ECIS響應(yīng)。利用提取的特征訓(xùn)練多個(gè)分類 器算法,并且從每個(gè)訓(xùn)練的分類器算法產(chǎn)生多個(gè)分類模型。評價(jià)每個(gè)分類模型,并基于每個(gè) 分類模型的評價(jià)選擇其子集。所選擇的分類模型的子集被提供作為通用二元分類器。在另一示意性實(shí)施例中,一種制造水中毒素檢測系統(tǒng)的方法,包括從多個(gè)標(biāo)準(zhǔn)化 先驗(yàn)數(shù)據(jù)集中提取特征,所述標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集包括一個(gè)或多個(gè)控制數(shù)據(jù)集和多個(gè)處理 數(shù)據(jù)集。所述一個(gè)或多個(gè)控制數(shù)據(jù)集表示對其中沒有毒素的水的電細(xì)胞基質(zhì)阻抗傳感器 (ECIS)響應(yīng),并且多個(gè)處理數(shù)據(jù)集的每個(gè)表示對其中具有毒素的水的ECIS響應(yīng)。利用提取 的特征訓(xùn)練多個(gè)分類器算法,并且從每個(gè)訓(xùn)練的分類器算法產(chǎn)生多個(gè)分類模型。評價(jià)每個(gè) 分類模型,并基于每個(gè)分類模型的評價(jià)選擇其子集。處理器隨后被配置為運(yùn)行至少所選擇 的分類模型的子集,并且ECIS被耦合至所述處理器。仍在另外一示意性實(shí)施例中,水中毒素檢測系統(tǒng)包括電細(xì)胞基質(zhì)阻抗傳感器 (ECIS)和處理器。所述ECIS適于接收水流并配置為提供ECIS數(shù)據(jù)。所述處理器被耦合以
4接收ECIS數(shù)據(jù)并且實(shí)施通用二元分類器。所述通用二元分類器被配置為響應(yīng)于ECIS數(shù)據(jù) 而確定水中是否存在毒素。由所述處理器實(shí)施的所述通用二元分類器是通過從多個(gè)標(biāo)準(zhǔn)化 先驗(yàn)數(shù)據(jù)集中提取特征生成的,所述標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集包括一個(gè)或多個(gè)控制數(shù)據(jù)集和多個(gè) 處理數(shù)據(jù)集。所述一個(gè)或多個(gè)控制數(shù)據(jù)集表示對其中沒有毒素的水的電細(xì)胞基質(zhì)阻抗傳感 器(ECIS)響應(yīng),并且多個(gè)處理數(shù)據(jù)集的每個(gè)表示對其中具有毒素的水的ECIS響應(yīng)。利用 提取的特征訓(xùn)練多個(gè)分類器算法,并且從每個(gè)訓(xùn)練的分類器算法產(chǎn)生多個(gè)分類模型。評價(jià) 每個(gè)分類模型,并基于每個(gè)分類模型的評價(jià)選擇其子集。所選擇的分類模型的子集被提供 作為通用二元分類器。進(jìn)一步,結(jié)合附圖和前面的背景技術(shù),所述方法和系統(tǒng)的其它期望的特征和特性 將從隨后的詳細(xì)說明和所附的權(quán)利要求而變得明顯。
以下將結(jié)合下面的附圖描述本發(fā)明,其中相同的數(shù)字表示相同的部件,其中圖1描繪了根據(jù)本發(fā)明示意性實(shí)施例的水中毒素檢測系統(tǒng)的功能方塊圖;圖2以流程圖的形式描繪了用于產(chǎn)生由圖1的處理器實(shí)施的通用二元分類器的全 部過程;圖3以流程圖的形式描繪了預(yù)處理方法的示意性實(shí)施例;圖4以流程圖的形式描繪了特征提取過程的示意性實(shí)施例;圖5和6分別描述了圖4的用于控制數(shù)據(jù)集和處理數(shù)據(jù)集的特征提取過程的示意 性結(jié)果;圖7描繪了對于圖5和6示意性結(jié)果在早期時(shí)間段的局部結(jié)構(gòu)的特寫(closeup) 表不;圖8以流程圖的形式描繪了示意性的構(gòu)建和評估過程;和圖9以流程圖的形式描繪了通用分類器可以實(shí)施的過程。
具體實(shí)施例方式以下的詳細(xì)說明實(shí)質(zhì)上僅僅是示意性的并且不意圖限定本發(fā)明或本發(fā)明的應(yīng)用 和使用。另外,不意圖受在前面背景技術(shù)或下面的詳細(xì)說明中出現(xiàn)的任何理論的約束。另外應(yīng)注意的是本發(fā)明的實(shí)施例可按照功能方塊圖表和各種處理步驟來描述。應(yīng) 該意識到此類功能方塊可以多種不同形式的硬件,固件和/或配置為執(zhí)行各種功能的軟件 部件實(shí)現(xiàn)。例如,本發(fā)明可以采用各種集成電路部件,例如儲存器元件,數(shù)字信號處理元件, 查找表等等,其可在一個(gè)或多個(gè)微處理器或其他控制設(shè)備的控制下執(zhí)行多種功能。此類通 用技術(shù)對于本領(lǐng)域技術(shù)人員是公知的并且在此不再詳細(xì)描述。然而,應(yīng)該理解所示出的示 意性過程可以包括額外的或更少的步驟或在更大的處理方案的情況下執(zhí)行。另外,附圖或 說明書中出現(xiàn)的各種方法并不解釋為限制其中可以執(zhí)行單獨(dú)的處理步驟的順序。應(yīng)該意識 到在此所示和所述的特定實(shí)施方式是本發(fā)明的示例性說明及其最佳方式,并非意圖以任何 方式在其它方面限定本發(fā)明的范圍。首先參照圖1,描繪了水中毒素檢測系統(tǒng)100的示意性實(shí)施例,包括生物傳感器 102和處理器104。所述生物傳感器102優(yōu)選的是電細(xì)胞基質(zhì)阻抗傳感器(ECIS)。所述ECIS 102適于接收水流并被配置為提供ECIS數(shù)據(jù)。如通常所知的,ECIS包括相對小的電 極,所述電極具有在其表面上生長的細(xì)胞。由于其膜的絕緣特性,所述細(xì)胞響應(yīng)于各種物理 現(xiàn)象中的變化而表現(xiàn)為阻抗變化。這些現(xiàn)象之一就是存在各種化合物。因此,從所述ECIS 傳感器102提供的ECIS數(shù)據(jù)表示響應(yīng)于流過其的水中的毒素化合物濃度的變化的阻抗變 化。處理器104被耦合以從ECIS傳感器102接收ECIS數(shù)據(jù),并且實(shí)施通用二元分類 器106。所述通用二元分類器106被配置為響應(yīng)于ECIS數(shù)據(jù)確定水中是否存在毒素。由所 述處理器104實(shí)施的通用二元分類器106以相對高的靈敏度和相對低的假陽性率確定水中 存在或不存在一種或多種毒素。如此處所使用的,假陽性表示當(dāng)一種毒素實(shí)際上不存在時(shí) 確定存在該毒素。根據(jù)即刻將要解釋的過程產(chǎn)生所述通用二元分類器106。然而,做此之前,需要注 意處理器104可以使用多種已知的通用微處理器和/或響應(yīng)于程序指令工作的應(yīng)用特定處 理器的任何一個(gè)或多個(gè)來實(shí)施??梢砸庾R到處理器104可使用各種其他的電路而不僅僅是 可編程處理器來實(shí)施。例如,數(shù)字邏輯電路和模擬信號處理電路也可被使用?,F(xiàn)在轉(zhuǎn)向圖2,以流程圖的方式描繪由處理器104實(shí)施的用于產(chǎn)生通用二元分類 器106的全部過程,并且現(xiàn)在將進(jìn)行解釋。在如此做的過程中,應(yīng)該理解的是下面段落中 的夾注指的是圖2中相同編號的流程方塊和全部順序參考的流程圖。如圖2描繪的,全部 過程200通過預(yù)處理原始先驗(yàn)ECIS數(shù)據(jù)集(202)以產(chǎn)生標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集開始。隨后, 從所述標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集中提取特征(204),并且這些提取的特征用于訓(xùn)練多個(gè)分類器算 法(206)。從訓(xùn)練的分類器算法產(chǎn)生多個(gè)分類模型(208)。然后評估所述分類模型,并且基 于所述評估選擇分類模型的子集(212)。選擇的分類模型的子集用于實(shí)施通用二元分類器 106?,F(xiàn)在將更詳細(xì)地描述這些處理步驟(202-212)中的每一個(gè)。在圖3描繪了如何實(shí)施原始先驗(yàn)ECIS數(shù)據(jù)集的預(yù)處理(202)的示意性實(shí)施例。被 優(yōu)選地首先執(zhí)行的該過程(202),準(zhǔn)備原始先驗(yàn)ECIS數(shù)據(jù)集用于隨后的處理。在描述該過 程之前,需要注意原始先驗(yàn)ECIS數(shù)據(jù)集包括來自各種實(shí)驗(yàn)運(yùn)行的一個(gè)或多個(gè)(優(yōu)選多個(gè)) 控制數(shù)據(jù)集和多個(gè)處理數(shù)據(jù)集。所述控制數(shù)據(jù)集包括表示對其中沒有毒素的水的ECIS響 應(yīng)的數(shù)據(jù),并且多個(gè)處理數(shù)據(jù)集包括表示對其中具有毒素的水的ECIS響應(yīng)的數(shù)據(jù)。通過取回每個(gè)原始先驗(yàn)ECIS數(shù)據(jù)集(302)開始預(yù)處理(202),并確定原始先驗(yàn) ECIS數(shù)據(jù)集中的哪些是控制數(shù)據(jù)集(304)。那些為控制數(shù)據(jù)集的數(shù)據(jù)集被合并(306),然 后被標(biāo)準(zhǔn)化和校準(zhǔn)(alighed)以用于隨后的處理(308)。應(yīng)注意的是至少在所描繪的實(shí) 施例中,通用二元分類器106被實(shí)現(xiàn)為單一的、統(tǒng)一的毒素檢測模型以用于其中化學(xué)污染 物未知的環(huán)境中的普遍適用性。因此,所有處理數(shù)據(jù)集,無論化是合物種類或濃度,被組合 為單一的“類(class)”。這就是為什么類似于控制數(shù)據(jù)集一樣,將所有的處理數(shù)據(jù)集合并 (312),然后標(biāo)準(zhǔn)化和校準(zhǔn)以用于隨后的處理(314)。然而可以意識到在一些實(shí)施例中,處理 數(shù)據(jù)集可根據(jù)特定的毒素和/或作為未知毒素單獨(dú)地分類。在此類實(shí)施例中,可通過毒素 類型(如果已知)和/或作為未知毒素單獨(dú)地預(yù)處理處理數(shù)據(jù)集。如圖3進(jìn)一步所描繪的, 如果需要或期望,標(biāo)準(zhǔn)化的和校準(zhǔn)的先驗(yàn)ECIS數(shù)據(jù)集可以被保存為XML格式的文件(316, 318)。在任何情況下,標(biāo)準(zhǔn)化和校準(zhǔn)的先驗(yàn)ECIS數(shù)據(jù)集可以隨后被提供給在圖4中所描繪 的并且現(xiàn)在將被詳細(xì)描述的特征提取過程(204)。
6
從標(biāo)準(zhǔn)化和校準(zhǔn)的先驗(yàn)ECIS數(shù)據(jù)集中提取特征開始于首先加載標(biāo)準(zhǔn)化和校準(zhǔn) 的先驗(yàn)ECIS數(shù)據(jù)集(402)。隨后,如果需要,截?cái)嗉虞d的一個(gè)或多個(gè)ECIS數(shù)據(jù)集的時(shí)間 歷程(time histories) (404),從而使得每個(gè)ECIS數(shù)據(jù)集包含相同數(shù)目的數(shù)據(jù)點(diǎn)(data points) 0這其中保證了共同的采樣速率,并且還檢查了一致的時(shí)間單位。在ECIS數(shù)據(jù)集 被時(shí)間截?cái)嘁杂糜谝恢滦灾螅鶕?jù)類型將ECIS數(shù)據(jù)集分類并且然后集合(aggregated) (406)。更具體地,每個(gè)ECIS數(shù)據(jù)集被分類為控制數(shù)據(jù)集,用于特定毒素的數(shù)據(jù)集,用于多 個(gè)毒素的數(shù)據(jù)集或用于未知毒素的數(shù)據(jù)集。然后根據(jù)分類將已分類的數(shù)據(jù)集集合到結(jié)構(gòu) 中。結(jié)構(gòu)內(nèi)的集合數(shù)據(jù)被劃分成兩類(408),在此被稱作控制類(例如,不存在毒素) 和處理類(存在毒素)。然后,從劃分的數(shù)據(jù)中提取特征(412),并被優(yōu)選地以屬性相關(guān)文 件格式(ARFF)保存在合適的文件中(414)。ARFF格式是優(yōu)選的因?yàn)槠渑c機(jī)器學(xué)習(xí)的某些 開發(fā)源程序庫的兼容性。在進(jìn)一步處理之前,應(yīng)該注意由于具有預(yù)處理過程(202),處理數(shù) 據(jù)集可根據(jù)特定(和/或未知)毒素被單獨(dú)地處理。進(jìn)一步可以意識到提取的特定特征和所使用的特征提取算法可以變化。然而,在 特定的優(yōu)選實(shí)施例中,使用時(shí)間序列特征提取算法的符號表示。根據(jù)該方法,在時(shí)間序列 的連續(xù)段(如,“時(shí)間倉(temporal bins) ”)構(gòu)建幅度數(shù)據(jù)的局部直方圖。累積在這些時(shí) 間倉中的計(jì)數(shù)被用來表示規(guī)定時(shí)間段內(nèi)的局部結(jié)構(gòu)。如果該局部結(jié)構(gòu)包括足夠的信息,則 所述結(jié)構(gòu)可被用來訓(xùn)練圖形識別算法(patternrecognition algorithm)。然后所訓(xùn)練的 算法可用于預(yù)測隨后數(shù)據(jù)的類(如,存在毒素或不存在毒素)。該類型的特征提取算法的 實(shí)例被公開在標(biāo)題為"A SymbolicRepresentation of Time Series, With Implications for Streaming Algorithms”的公開中,作者是J. Lin等,并且被公開在加利福尼亞(2003), 圣地亞哥,關(guān)于數(shù)據(jù)開采和知識開發(fā)的研究措施的第8屆ACM SIGMOD研討會會報(bào)中 (Proceedings of the 8thACM SIGMOD Workshop on Research Issues in Data Mining and KnowledgeDiscover, San Diego, CA(2003)) 此公開的全部在此通過參考而被引入。作為上述特征提取算法的例子,參考圖5和6,其分別描繪了用于控制數(shù)據(jù)集和處 理數(shù)據(jù)集的示意性結(jié)果。在圖5和6中,數(shù)據(jù)集被劃分成五個(gè)鄰近的時(shí)間序列段。矩形區(qū) 502,602表示用于聚集(assemble)局部結(jié)構(gòu)直方圖的符號,線和點(diǎn)504,604為下面的時(shí)間 序列的標(biāo)準(zhǔn)化值。本發(fā)明人發(fā)現(xiàn)如圖7并排所示的早期時(shí)間段具有足夠不同的局部結(jié)構(gòu)使 得在控制和暴露數(shù)據(jù)之間進(jìn)行區(qū)分,從而促進(jìn)了水中毒素的早期檢測。用于產(chǎn)生通用二元分類器106的分類器算法的訓(xùn)練(206),分類模型的生成(208) 和分類模型的評估和選擇(212)在圖8中以流程圖的形式被描述作為單個(gè)構(gòu)建與評估過程 800的一部分。所述構(gòu)建與評估過程800訓(xùn)練分類器算法(206),產(chǎn)生分類模型(208),并評 估和選擇分類模型(212)。所述選擇的分類模型為那些對控制數(shù)據(jù)集表現(xiàn)出相對低的FPR 性能(例如,F(xiàn)I^R <0.1%)的分類模型。所選的分類模型在此處被稱作被用作通用二分元 類器106的分類模型的子集。如圖8進(jìn)一步所描繪的,儲存所選的分類模型(802)??梢砸?識到用于實(shí)現(xiàn)該過程800的分類算法可有許多且是可變的。在一特定優(yōu)選實(shí)施方案中,使 用了三個(gè)分類算法。這些是表決感知器(Voted Perceptron)算法,貝葉斯網(wǎng)絡(luò)(Bayesian Network)算法和支持向量機(jī)(Support Vector Machine)算法。產(chǎn)生的所述通用二元分類器106評估未知的ECIS數(shù)據(jù)來確定流過ECIS傳感器102的水中是否存在毒素。通用分類器106實(shí)施的過程900的實(shí)施例被描繪在圖9中并且 現(xiàn)在參照其進(jìn)行描述。通用二元分類器106接收從ECIS 102提供的ECIS數(shù)據(jù)(902),并從 其中提取特征(904)。然后通用二元分類器106選擇模型的子集之一(906)并將提取的特 征應(yīng)用到模型(908)。重復(fù)這些在前的步驟(908)直到提取的特征被應(yīng)用到模型子集的每 一個(gè)模型(912)。在將提取的特征應(yīng)用到每個(gè)模型后,確定每個(gè)模型的共識(consensus) (914)。更 具體地,利用每個(gè)模型的結(jié)果和預(yù)先確定的檢測閾值執(zhí)實(shí)施簡單的表決方案?;谒_定 的共識,確定關(guān)于是否將ECIS數(shù)據(jù)分類為表示存在毒素或不存在毒素(916)。應(yīng)該注意,如 果大量的模型指示存在毒素,則ECIS數(shù)據(jù)被分類表示存在毒素,否則數(shù)據(jù)被重新分類為表 示沒有毒素。在此描述的用于檢測水中毒素的系統(tǒng)和方法,在暴露后盡早具有相對高的靈敏度 和低的假陽性率。盡管在本發(fā)明的前述的詳細(xì)說明中公開了至少一個(gè)示意性實(shí)施例,然而應(yīng)該意識 到還存在大量的變型。也應(yīng)該意識到示意性實(shí)施例或多個(gè)示意性實(shí)施例僅是舉例,并不意 圖以任何方式限定本發(fā)明的范圍、應(yīng)用或結(jié)構(gòu)。而是,前述詳細(xì)說明為對于本領(lǐng)域技術(shù)人員 提供了用于實(shí)施本發(fā)明的示意性實(shí)施例的便利路線圖??梢岳斫獾氖强梢栽谑疽庑詫?shí)施例 中所描述的元件的功能和布置中作出各種改變而不偏離在附加權(quán)利要求書中所提出的本 發(fā)明的范圍。
權(quán)利要求
一種對于在水中存在一種或多種毒素生成通用二元分類器(106)的方法,包括以下步驟從多個(gè)標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集中提取特征(204),所述標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集包括一個(gè)或多個(gè)控制數(shù)據(jù)集和多個(gè)處理數(shù)據(jù)集,所述一個(gè)或多個(gè)控制數(shù)據(jù)集表示對其中沒有毒素的水的電細(xì)胞基質(zhì)阻抗傳感器(ECIS)響應(yīng),所述多個(gè)處理數(shù)據(jù)集的每個(gè)表示對其中具有毒素的水的ECIS響應(yīng);利用提取的特征訓(xùn)練多個(gè)分類器算法(206);從每個(gè)訓(xùn)練的分類器算法產(chǎn)生多個(gè)分類模型(208);評價(jià)每個(gè)分類模型(208),并基于每個(gè)分類模型的評價(jià)(208)選擇其子集;提供所選擇的分類模型的子集(212)作為通用二元分類器(106)。
2.如權(quán)利要求1所述的方法,進(jìn)一步包括預(yù)處理一個(gè)或多個(gè)原始先驗(yàn)控制數(shù)據(jù)集和多個(gè)先驗(yàn)原始處理數(shù)據(jù)集以由此產(chǎn)生多個(gè) 標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集。
3.如權(quán)利要求1所述的方法,其中提取特征的步驟基于時(shí)間序列算法的符號表示。
4.如權(quán)利要求1所述的方法,其中評價(jià)每個(gè)分類模型(208)的步驟包括 確定每個(gè)分類模型的假陽性率(FPR);和比較確定的FPR和預(yù)先確定的FPR閾值。
5.如權(quán)利要求4所述的方法,進(jìn)一步包括如果確定的FPR小于預(yù)先確定的FPR閾值則 選擇分類模型作為所述子集的一部分。
6.如權(quán)利要求1所述的方法,其中評價(jià)每個(gè)分類模型的步驟包括 確定每個(gè)分類模型的真陽性率(TPR);和比較確定的Tra和預(yù)先確定的TPR閾值。
7.如權(quán)利要求6所述的方法,進(jìn)一步包括如果確定的IPR大于預(yù)先確定的TPR閾值則 選擇分類模型作為所述子集的一部分。
8.一種水中毒素檢測系統(tǒng)(100),包括電細(xì)胞基質(zhì)阻抗傳感器(ECIS) (102),所述電細(xì)胞基質(zhì)阻抗傳感器適于接收水流并配 置為提供ECIS數(shù)據(jù);和處理器(104),所述處理器被耦合以接收ECIS數(shù)據(jù)并且配置為實(shí)施通用二元分類器, 所述通用二元分類器(106)被配置為響應(yīng)于ECIS數(shù)據(jù)而確定水中是否存在毒素,其中所述 通用二元分類器(106)通過以下生成從多個(gè)標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集中提取特征,所述標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集包括一個(gè)或多個(gè)控制數(shù) 據(jù)集和多個(gè)處理數(shù)據(jù)集,所述一個(gè)或多個(gè)控制數(shù)據(jù)集表示對其中沒有毒素的水的電細(xì)胞基 質(zhì)阻抗傳感器(ECIS)響應(yīng),所述多個(gè)處理數(shù)據(jù)集的每個(gè)表示對其中具有毒素的水的ECIS 響應(yīng),利用提取的特征訓(xùn)練多個(gè)分類器算法, 從每個(gè)訓(xùn)練的分類器算法產(chǎn)生多個(gè)分類模型, 評價(jià)每個(gè)分類模型,并基于每個(gè)分類模型的評價(jià)選擇其子集, 提供所選擇的分類模型的子集被提供作為通用二元分類器。
9.如權(quán)利要求15所述的系統(tǒng),其中所述通用二元分類器(106)將接收的ECIS提供給每個(gè)選擇的分類模型的子集;和基于來自所有選擇的分類模型的子集的輸出確定水中是否存在毒素。
全文摘要
本發(fā)明涉及毒素檢測系統(tǒng)和方法。提供了一種對于在水中存在一種或多種毒素生成通用二元分類器(106)的系統(tǒng)和方法。從多個(gè)標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集中提取特征(204),所述標(biāo)準(zhǔn)化先驗(yàn)數(shù)據(jù)集包括一個(gè)或多個(gè)控制數(shù)據(jù)集和多個(gè)處理數(shù)據(jù)集,所述一個(gè)或多個(gè)控制數(shù)據(jù)集表示對其中沒有毒素的水的電細(xì)胞基質(zhì)阻抗傳感器(ECIS)響應(yīng),所述多個(gè)處理數(shù)據(jù)集的每個(gè)表示對其中具有毒素的水的ECIS響應(yīng)。利用提取的特征訓(xùn)練多個(gè)分類器算法(206),并且從每個(gè)訓(xùn)練的分類器算法產(chǎn)生多個(gè)分類模型(208)。評價(jià)每個(gè)分類模型(208),并基于每個(gè)分類模型的評價(jià)(208)選擇其子集。所選擇的分類模型的子集(212)被提供作為通用二元分類器(106)。
文檔編號G01N27/02GK101963590SQ201010214050
公開日2011年2月2日 申請日期2010年5月21日 優(yōu)先權(quán)日2009年7月22日
發(fā)明者J·博克 申請人:霍尼韋爾國際公司