基于随机森林迁移学习的红外光谱模型传递方法

摘要

本发明公开一种基于随机森林迁移学习的红外光谱模型传递方法，利用随机森林思想将主仪器扫描的样本数据集利用Bootstrap方法生成多个子数据集；针对每个子数据集，结合目标仪器扫描的样本数据集，利用迁移学习算法建立目标仪器上的分析模型；针对目标仪器上采集的待测样本红外光谱，根据建立的每个分析模型预测其待测组分含量；计算每个待测样本与建立的各个分析模型中样本之间的结构分布相似度，以确定与每个待测样本对应的各个目标分析模型权重因子；再利用加权平均方法对预测结果进行汇总，得到最终的待测组分含量。该方法具备鲁棒性强、自适应的优点，有效提升模型传递的准确度和稳定性，可以广泛应用于固相、液相和气相的红外光谱模型传递领域中。