[发明专利]基于特征迁移的样品成分含量测定方法在审
| 申请号： | 201711334521.0 | 申请日： | 2017-12-13 |
| 公开（公告）号： | CN108152239A | 公开（公告）日： | 2018-06-12 |
| 发明（设计）人： | 单鹏;安玉艳;赵煜辉;刘怀俊 | 申请（专利权）人： | 东北大学秦皇岛分校 |
| 主分类号： | G01N21/35 | 分类号： | G01N21/35;G01N21/3563;G01N21/359;G06K9/00 |
| 代理公司： | 北京联创佳为专利事务所(普通合伙) 11362 | 代理人： | 刘美莲;郭防 |
| 地址： | 066004 河北省秦皇岛市经*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于特征迁移的样品成分含量测定方法，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。采用本发明的样品成分含量测定方法，预测精度更高。为了验证本发明的效果，发明人使用玉米和药片数据集对本发明提出的基于ELM‑AE模型的标定迁移学习方法进行了验证，并同时与PDS模型，SBC迁移模型的预测效果进行了比较。结果表明：对于玉米数据集和药片数据集，整体而言，本发明的TL‑ELM‑AE模型的预测性能均优于PDS模型和SBC迁移模型。 | ||
| 搜索关键词： | 迁移 成分含量测定 数据集 待测样品 目标域 药片 标定 源域 预测 验证 红外光谱数据 含量预测 特征空间 预测性能 玉米 映射 学习 | ||
【主权项】：
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。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于东北大学秦皇岛分校，未经东北大学秦皇岛分校许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711334521.0/，转载请声明来源钻瓜专利网。
