| 一种基于CNN-SVR模型和迁移学习的光谱模型传递方法 |
| CN202110443739.X 2021-4-23 发明申请 |
| 2021-7-13 |
| 本发明属于光谱检测与光谱仪模型传递领域，提供了一种基于CNN?SVR模型和迁移学习的光谱模型传递方法。该方法包括：获取光谱数据并进行预处理，将处理后的数据分为训练集和测试集，构建主仪器CNN?SVR模型，将主仪器训练集输入模型进行训练并优化获得最优的主仪器CNN?SVR模型及其超参数；将上述模型迁移至从仪器上并冻结CNN网络超参数值，输入从仪器训练集对SVR参数训练微调，获得基于CNN?SVR网络的迁移模型，将从仪器测试集输入迁移模型进行模型传递性能预测。本发明能自动提取高维波长变量的本质特征，且适合于小样本光谱预测，利用迁移学习的特点，实现了光谱模型在不同光谱仪器间的传递。 |
微信公众号