[发明专利]一种基于流形学习和RBF神经网络的近红外无创血糖仪校正算法

权利要求书

1.一种基于流形学习和RBF神经网络的近红外无创血糖仪校正算法,其特征在于，包括以下步骤：

步骤一：对用LED-光电接收管获取的5个波长的吸光度数据进行非线性扩展，扩展方式包括多项式扩展及对数扩展，如X1^2,,X1*X2,log(X1)等；

步骤二：对原始数据和扩展后的数据合计25维数据，运用流形学习降维理论中的局部线性嵌入(Locally Linear Embedding，LLE)算法，把25维数据降为10维；

步骤三：用连续投影算法 ( Successive Projections Algorithm , SPA)从10维数据中选出5个敏感波长数据；

步骤四：对5个波长数据运用RBF神经网络建立校正模型。

2.根据权利要求1所述的基于流形学习和RBF神经网络的近红外无创血糖仪校正算法，其特征在于：步骤一中，对原始数据的非线性扩展方式为二次多项式扩展和对数扩展。

3.根据权利要求1所述的基于流形学习和RBF神经网络的近红外无创血糖仪校正算法，其特征在于：步骤二中，局部线性嵌入把25维数据降为10维，局部线性嵌入的参数在LLE降维过程中，需要对参数k和d进行优化，其中k为邻域参数，d为样本本征维数，k和d均取整数.本方法采用网格搜索法选取k和d的最优值。

4.根据权利要求1所述的基于流形学习和RBF神经网络的近红外无创血糖仪校正算法，其特征在于：步骤三中，用SPA方法从10维数据中选出对血糖浓度预测最敏感的5个波长数据。

5.根据权利要求1所述的基于流形学习和RBF神经网络的近红外无创血糖仪校正算法，其特征在于：步骤四中，RBF神经网络输入层节点选择为5个，隐层节点选择为10个，输出层节点选择为1个。