-
公开(公告)号：CN106680238B
公开(公告)日：2019-09-06
申请号：CN201710009518.5
申请日：2017-01-06
Applicant: 东北大学秦皇岛分校
IPC: G01N21/3563
Abstract: 本发明涉及一种基于红外光谱分析物质成分含量的方法，包括根据源域红外光谱数据和与所述源域红外光谱数据对应的源域物质成分含量建立第一回归模型，求取所述第一回归模型中的参数；获取目标域红外光谱数据，建立目标域红外光谱数据与源域红外光谱数据之间的转移模型，求取所述转移模型中的参数；根据所述目标域红外光谱数据、所述转移模型，利用所述第一回归模型获取与所述目标域红外光谱数据对应的目标域物质成分含量。本发明的分析方法结合迁移学习中的特征迁移方法和偏最小二乘算法，实现目标域到源域光谱特征空间的变换，不但可以去除冗余信息，提高转移的准确性，而且可以在很大程度上降低了转移过程的计算量。
-
Patent Agency Ranking
公开(公告)号：CN106596450B
公开(公告)日：2019-04-05
申请号：CN201710009517.0
申请日：2017-01-06
Applicant: 东北大学秦皇岛分校
IPC: G01N21/35
Abstract: 本发明涉及一种基于红外光谱分析物质成分含量的增量式方法，包括以下步骤：根据源域红外光谱数据和源域物质成分含量建立第一回归模型；获取目标域标准样本，建立目标域红外光谱标准数据与源域红外光谱数据之间的转移模型；根据所述第一回归模型和所述转移模型建立第二回归模型；获取目标域红外光谱增量数据和目标域物质成分含量增量数据，利用第二回归模型对所述目标域红外光谱增量数据进行筛选，如果满足要求则保留；直至被保留的数量达到阈值，利用所述新目标域标准样本，获取新转移模型和新第二回归模型；获取目标域红外光谱测试数据，根据所述目标域红外光谱测试数据和所述新第二回归模型获取目标域物质成分含量。效率高。
-
公开(公告)号：CN112414966B
公开(公告)日：2022-06-10
申请号：CN201910774087.0
申请日：2019-08-21
Applicant: 东北大学秦皇岛分校
IPC: G01N21/359 , G06F30/20
Abstract: 本发明公开了基于仿射变化的近红外光谱多目标标定迁移方法，该发明创造性地寻求浓度之间的线性趋势，趋势通常反映为直线，并且可以通过最小二乘回归拟合，同时，在MLCTAI方法中，数据集必须包含多种物质的浓度值，因此，主仪器的预测值包含多个标签，由于从仪器缺少响应值，因此由主仪器构建的PLS2模型将应用于从仪器模型的建立，并计算伪预测值以构建从仪器线性模型，但是，从主仪器视角观察从仪器的数据时会出现偏差，偏差具体表现为从仪器模型相对于主仪器模型的角度和截距差异，仿射变换则是通过旋转和平移来校正两个仪器模型的偏差，并且最终获得校正的预测值。
-
公开(公告)号：CN109034186B
公开(公告)日：2022-05-24
申请号：CN201810595182.X
申请日：2018-06-11
Applicant: 东北大学秦皇岛分校
IPC: G06K9/62
Abstract: 本发明涉及一种建立DA‑RBM分类器模型的方法，所述方法包括如下步骤：获取源域数据Xs、与源域数据Xs对应的标签Ys、目标域数据XT以及标签YT；初始化RBM模型参数，将数据Xs、XT输入到RBM网络中，求出一阶特征；将所述一阶特征作为下一阶网络的输入，进行RBM训练；将RBM的隐层输出Hs、HT输入到softmax回归层进行分类；在RBM隐层输出上使用MMD进行源域数据和目标域数据分布的约束；在RBM模型的顶层分类层中使用MMD进行预测结果的约束；构建模型的总代价函数J(θ)，通过优化所述总代价函数来优化分类器模型的参数。本发明所建模型能够对跨域数据进行有效识别。
-
公开(公告)号：CN108152239A
公开(公告)日：2018-06-12
申请号：CN201711334521.0
申请日：2017-12-13
Applicant: 东北大学秦皇岛分校
IPC: G01N21/35 , G01N21/3563 , G01N21/359 , G06K9/00
Abstract: 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。
-
公开(公告)号：CN106596450A
公开(公告)日：2017-04-26
申请号：CN201710009517.0
申请日：2017-01-06
Applicant: 东北大学秦皇岛分校
IPC: G01N21/35
CPC classification number: G01N21/35
Abstract: 本发明涉及一种基于红外光谱分析物质成分含量的增量式方法，包括以下步骤：根据源域红外光谱数据和源域物质成分含量建立第一回归模型；获取目标域标准样本，建立目标域红外光谱标准数据与源域红外光谱数据之间的转移模型；根据所述第一回归模型和所述转移模型建立第二回归模型；获取目标域红外光谱增量数据和目标域物质成分含量增量数据，利用第二回归模型对所述目标域红外光谱增量数据进行筛选，如果满足要求则保留；直至被保留的数量达到阈值，利用所述新目标域标准样本，获取新转移模型和新第二回归模型；获取目标域红外光谱测试数据，根据所述目标域红外光谱测试数据和所述新第二回归模型获取目标域物质成分含量。效率高。
-
-
-
-
-
Search Results
16
records
(took 0.033 seconds)
