[發明專利]基于隨機森林遷移學習的紅外光譜模型傳遞方法有效
| 申請號： | 201710037798.0 | 申請日： | 2017-01-18 |
| 公開（公告）號： | CN106815643B | 公開（公告）日： | 2019-04-02 |
| 發明（設計）人： | 陳媛媛;李墅娜;張瑞;王志斌;景寧 | 申請（專利權）人： | 中北大學 |
| 主分類號： | G06N20/00 | 分類號： | G06N20/00 |
| 代理公司： | 北京志霖恒遠知識產權代理事務所(普通合伙) 11435 | 代理人： | 申紹中 |
| 地址： | 030051 山*** | 國省代碼： | 山西;14 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 隨機 森林 遷移 學習 紅外 光譜 模型 傳遞 方法 | ||
1.一種基于隨機森林遷移學習的紅外光譜模型傳遞方法，其特征在于：包括以下步驟：
S1、將主儀器掃描采集得到的樣本光譜數據集Dm利用Bootstrap隨機抽樣方法生成K個子數據集：
S2、針對每個子數據集結合目標儀器上掃描得到的數據集Ds，利用遷移學習算法建立目標儀器上的紅外光譜與化學組分間的映射模型：同時形成新的數據集
S3、針對待測樣本，利用目標儀器掃描其紅外光譜xi，并將其送入到每個映射模型從而得到每個映射模型給出的化學組分預測值：
S4、計算待測樣本xi與數據集中每個樣本的相似度，并進行累加求和，記為：Si(1≤i≤k)；
S5、針對待測樣本xi，計算各個映射模型對應的權重因子：
S6、利用加權平均方法計算待測樣本的化學組分含量：
2.根據權利要求1所述的基于隨機森林遷移學習的紅外光譜模型傳遞方法，其特征在于：所述步驟S2中的遷移學習算法包括基于實例的遷移算法或基于特征的遷移算法。
3.根據權利要求1所述的基于隨機森林遷移學習的紅外光譜模型傳遞方法，其特征在于：所述步驟S2中映射模型包括線性模型或非線性模型。
4.根據權利要求3所述的基于隨機森林遷移學習的紅外光譜模型傳遞方法，其特征在于：所述線性模型為多元回歸或偏最小二乘；非線性模型為人工神經網絡、支持向量機或極限學習機。
5.根據權利要求1所述的基于隨機森林遷移學習的紅外光譜模型傳遞方法，其特征在于：所述步驟S2中映射模型的建立包括紅外光譜預處理和特征選擇。
6.根據權利要求5所述的基于隨機森林遷移學習的紅外光譜模型傳遞方法，其特征在于：所述紅外光譜預處理包括去噪和基線校正；特征選擇包括無信息變量消除法、區間偏最小二乘法、遺傳算法、蝙蝠算法或稀疏優化等。
7.根據權利要求1所述的基于隨機森林遷移學習的紅外光譜模型傳遞方法，其特征在于：所述步驟S4中相似度度量方法包括歐式距離法、L范數法、相關系數法，以及將樣本映射到其它高維或者低維空間后再計算得到的相似性度量方法。
8.根據權利要求1所述的基于隨機森林遷移學習的紅外光譜模型傳遞方法，其特征在于：所述步驟S4中相似度度量結果包括樣本間越接近，相似度越高，Si值越大。
9.根據權利要求1所述的基于隨機森林遷移學習的紅外光譜模型傳遞方法，其特征在于：所述步驟S5中各個映射模型對應的權重因子滿足關系：
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于中北大學，未經中北大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710037798.0/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：一種基于模型和模糊模式識別的氣路故障診斷方法
- 下一篇：機器學習方法和系統
