[发明专利]一种基于THz吸收谱和LOO‑RELM算法的转基因豆油快速鉴别方法在审
| 申请号： | 201711186280.X | 申请日： | 2017-11-24 |
| 公开（公告）号： | CN107909110A | 公开（公告）日： | 2018-04-13 |
| 发明（设计）人： | 祝诗平;周胜灵;朱洁;黄华;吴习宇;张松;唐超;刘广昊;谢滨瑶;何艳 | 申请（专利权）人： | 西南大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G01N21/3586;G01N21/3577 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 400715*** | 国省代码： | 重庆;85 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 thz 吸收 loo relm 算法 转基因 豆油 快速 鉴别方法 | ||
1.基于太赫兹吸收谱和LOO-RELM算法的转基因豆油的识别方法，其特征在于：根据经典模型提取0.2-1.8THz范围内样品吸收谱，借助模式识别的正则极限学习机(RELM)算法建立基于太赫兹光谱的转基因和非转基因豆油分类模型，然后，进行参数寻优，计算出输出权重、预测集样本的预测值，得出预测准确率；经过参数寻优可以得到最优的隐含层节点数和正则化参数，建立最优分类模型，然后通过比较实际样品属性与分类模型预测的样品属性，得出在LOO-RELM算法下的分类模型预测准确率。
2.根据权利要求1所述基于太赫兹吸收谱和LOO-RELM算法的转基因豆油的识别方法，其特征在于，算法内容包括以下步骤：
(1)初始化LOO-RELM算法参数，包括：隐含层节点数L，隐含层输出矩阵HN*L，正则化参数C寻优向量[Cmin:ΔC:Cmax]；
(2)根据正则极限学习机(RELM)的数学模型，通过留一(LOO)交叉验证法确立隐含层节点数L和正则化参数C最优参数组合，其中，激励函数G(x)选择sigmoid函数，计算出最优正则参数Copt，及对应的输出权重
(3)利用正则极限学习机(RELM)算法建立的预测模型，导入训练集与预测集样本的数据，得出模型的预测准确率。
3.根据权利要求1所述的基于太赫兹吸收谱和LOO-RELM算法的转基因豆油预测模型，其特征在于，利用基于单隐层前馈神经网络的正则化极限学习机(RELM)算法建立模型。
4.根据权利要求1所述的基于太赫兹吸收谱和LOO-RELM算法的转基因豆油预测模型，其特征在于，通过经典THz透射物理模型对预处理后所得THz信号进行分析，提取出样品的吸收谱。
5.根据权利要求1所述的基于太赫兹吸收谱和LOO-RELM算法的转基因豆油预测模型，其特征在于，利用LOO交叉验证方法寻找最优L与C的参数组合，设计了LOO-RELM算法转基因豆油预测模型。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西南大学，未经西南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201711186280.X/1.html，转载请声明来源钻瓜专利网。
