[发明专利]基于在线顺序极限学习机的样品成分含量测定方法

权利要求书

1.一种基于在线顺序极限学习机的样品成分含量测定方法，其特征在于，包括以下步骤：采集样品的光谱数据样本，利用在线顺序极限学习机算法，对主光谱仪及从光谱仪上采集的样品的光谱数据样本进行建模，实现将从光谱仪的光谱数据迁移至主光谱仪的光谱数据空间；然后利用主光谱仪建立的含量预测模型进行样品成分含量的测定；其中，所述的利用在线顺序极限学习机算法，对主光谱仪及从光谱仪上采集的样品的光谱数据样本进行建模，实现将从光谱仪的光谱数据迁移至主光谱仪的光谱数据空间包括以下步骤：

S01，根据初始主光谱和从光谱及隐层节点数L,生成隐层到输出层的权重矩阵，其中中包含的样本个数为；其中，；

；

S02，当有新的包含个样本的和到来时,根据在线顺序极限学习机算法计算出隐层到输出层的权重矩阵；其中，；，；；

；

S03，如果还有新的样本的和到来，则令k=k+1，并转至S02，否则转至S04；

S04，根据以下公式对包含N个样本的测试数据进行迁移：

其中，表示迁移后的光谱数据；表示最新的隐层到输出层间的权重矩阵；

；w和b分别为随机生成的正交的输入权重矩阵和偏置；为激活函数。

2.根据权利要求1所述的基于在线顺序极限学习机的样品成分含量测定方法，其特征在于，具体包括以下步骤：

S1，根据初始主光谱及相应的样品成分含量和隐层节点个数L，计算出隐层到输出层的初始权重矩阵，其中，和包含个样本；

S2，当有新的主光谱及相应的样品成分含量到来时,根据在线顺序极限学习机算法计算出隐层到输出层的权重矩阵；其中，第k+1次到来的数据和包含个样本；；

S3，如果还存在新的主光谱和相应的样品成分含量，则令k=k+1，并转至S2，否则转至S4；

S4，根据以下公式计算获得样品的光谱数据所对应的成分含量预测值：

其中，；

为目前最新的隐层到输出层的权重矩阵，包含N个样本；w和b分别为随机生成的正交的输入权重矩阵和偏置；为激活函数。

3.根据权利要求1或2所述的基于在线顺序极限学习机的样品成分含量测定方法，其特征在于，所述的隐层节点个数L小于等于初始样本个数。

4.根据权利要求3所述的基于在线顺序极限学习机的样品成分含量测定方法，其特征在于，步骤S1中，

；

其中，。

5.根据权利要求4所述的基于在线顺序极限学习机的样品成分含量测定方法，其特征在于，步骤S2中，

其中，；；

。

6.根据权利要求1或2所述的基于在线顺序极限学习机的样品成分含量测定方法，其特征在于，通过k折交叉验证的方法确定最佳隐层节点数L；所述的激活函数采用sigmoid函数。