[发明专利]基于特征迁移的样品成分含量测定方法

权利要求书

1.基于特征迁移的样品成分含量测定方法，其特征在于，采用基于ELM-AE模型的标定迁移学习方法，将目标域待测样品的红外光谱数据特征映射到源域的特征空间中，然后利用源域的样品成分含量预测模型对所述目标域待测样品的成分含量进行预测。

2.根据权利要求1所述的基于特征迁移的样品成分含量测定方法，其特征在于，具体包括以下步骤：

S1，采用ELM-AE模型对源域和目标域的红外光谱数据进行特征提取；

S2，建立基于源域特征的多元标定模型以及源域和目标域之间的多元标定迁移模型；

S3，采集目标域待测样品的红外光谱数据，进行特征提取转换后，利用源域的多元标定模型对所述目标域待测样品的成分含量进行预测。

3.根据权利要求2所述的基于特征迁移的样品成分含量测定方法，其特征在于，步骤S1中所述的采用ELM-AE模型对源域和目标域的红外光谱数据进行特征提取，具体通过以下方式获得：

H_S＝X_S·W_S

H_T＝X_T·W_T

其中，H_S为源域的特征，H_T为目标域的特征，X_s表示由源域的主光谱仪测得的红外光谱数据，X_T表示由从光谱仪测得的红外光谱数据；W_S表示源域的投影空间，W_T表示目标域的投影空间，W_S和W_T分别由{X_S,X_S}和{X_T,X_T}的ELM-AE模型求得。

4.根据权利要求2所述的基于特征迁移的样品成分含量测定方法，其特征在于，步骤S2中所述的建立源域和目标域之间的多元标定迁移模型，即是求解以下公式：

min||y_T-X_TW_TMβ||₂+||y_S-X_SW_Sβ||₂

s.t.||w_S||₂＝1,||w_T||₂＝1

的最优化问题，其中，{X_S,y_s}表示源域数据集，{X_T,y_T}表示目标域数据集，其中X_s由主光谱仪测得，X_T由从光谱仪测得；W_S表示源域的投影空间，W_T表示目标域的投影空间，W_S和W_T分别由{X_S,y_s}和{X_T,y_T}的ELM-AE模型求得，M表示目标域特征到源域特征的转移矩阵，β表示基于源域特征的多元标定模型的回归系数。

5.根据权利要求2或4所述的基于特征迁移的样品成分含量测定方法，其特征在于，步骤S2中所述的基于源域特征的多元标定模型采用pls模型，利用源域特征数据{H_S,y_s}建立多元标定模型获得回归系数β，其中，H_S为源域的特征，y_s为源域的样品成分含量。