公开(公告)号：CN111220565A

公开(公告)日：2020-06-02

申请号：CN202010045812.3

申请日：2020-01-16

Applicant: 东北大学秦皇岛分校

Inventor： 赵煜辉 ,  刘晓东 ,  李雪晶 ,  芦鹏程

IPC: G01N21/359

Abstract: 本发明涉及机器学习模块下的迁移学习技术领域，提供一种基于CPLS的红外光谱测量仪器标定迁移方法。首先采集源域数据集{Xm,Y}和目标域数据集{Xs,Y}，并对其进行中心化处理，得到中心化处理后的源域数据集{Xm_center,Ycenter}和目标域数据集{Xs_center,Ycenter}；接着基于CPLS算法对矩阵Xm_center、Ycenter进行主成分分析，并对矩阵Xs_center进行主成分分析；再计算转移矩阵Mtrans_pre和转移矩阵Mtrans；最后，对被测对象的物质浓度变量进行预测。本发明能够清除主仪器测量的随机噪声，提高数据利用率和建模精度，降低时间复杂度。

公开(公告)号：CN111220565B

公开(公告)日：2022-07-29

申请号：CN202010045812.3

申请日：2020-01-16

Applicant: 东北大学秦皇岛分校

Inventor： 赵煜辉 ,  刘晓东 ,  李雪晶 ,  芦鹏程

IPC: G01N21/359

Abstract: 本发明涉及机器学习模块下的迁移学习技术领域，提供一种基于CPLS的红外光谱测量仪器标定迁移方法。首先采集源域数据集{Xm,Y}和目标域数据集{Xs,Y}，并对其进行中心化处理，得到中心化处理后的源域数据集{Xm_center,Ycenter}和目标域数据集{Xs_center,Ycenter}；接着基于CPLS算法对矩阵Xm_center、Ycenter进行主成分分析，并对矩阵Xs_center进行主成分分析；再计算转移矩阵Mtrans_pre和转移矩阵Mtrans；最后，对被测对象的物质浓度变量进行预测。本发明能够清除主仪器测量的随机噪声，提高数据利用率和建模精度，降低时间复杂度。