[发明专利]一种基于迁移学习的跨仪器拉曼光谱定性分析方法

权利要求书

1.一种基于迁移学习的跨仪器拉曼光谱定性分析方法，其特征在于，步骤如下：

1)对作为源域的源拉曼光谱仪器的光谱数据d'_S与作为目标域的目标拉曼光谱仪器的光谱数据d'_T进行同构化处理，形成统一维度的源域特征向量v_S和目标域特征向量v_T；步骤1)具体为：

1.1)确定源拉曼光谱仪器与目标拉曼光谱仪器的共享有效光谱范围[p,q]，其中，p≥max{d'_S(1,1),d'_T(1,1)}，q≤min{d'_S(1,x_S),d'_T(1,x_T)}；在共享有效光谱范围[p,q]内，源拉曼光谱仪器的有效数据d_S的维度为2×l_S，f_S为源拉曼光谱仪器的激光器频率；目标拉曼光谱仪器的有效数据d_T的维度为2×l_T，f_T为目标拉曼光谱仪器的激光器频率；

1.2)选择如下之一的同构化方向，获得长度统一为l的源域特征向量v_S和目标域特征向量v_T，具体如下：

面向源域进行同构，先使l＝l_S，v_S＝d_S(2,:)，然后将d_T(2,:)按照d_S(1,:)的波数位置进行插值，得到目标域特征向量v_T；

或者，面向目标域进行同构，先使l＝l_T，v_T＝d_T(2,:)，然后将d_S(2,:)按照d_T(1,:)的波数位置进行插值，得到源域特征向量v_S；

2)将源拉曼光谱仪器的源域特征向量v_S与目标拉曼光谱仪器的目标域特征向量v_T映射到同一个特征空间，并使得源域和目标域的数据分布距离最小；步骤2)包括寻找最优映射、实施最优映射，最小化源域和目标域之间的数据分布差异，步骤2)中，寻找最优映射，具体如下：

2.1.1)获取N个l维的特征向量，N＝N_S+N_T，N_S为来自源域的光谱样本的数量，N_T为来自目标域的光谱样本的数量，得到维度为N_S×l的源域特征向量矩阵X_S和维度为N_T×l的目标域特征向量矩阵X_T，其中，X_S的每一行表示一个源域光谱的源域特征向量v_S，X_T的每一行表示一个目标域光谱的目标域特征向量v_T；

2.1.2)定义长度为N_S的源域标签列向量y_S，当源域的第i个光谱样本含有第j种目标物质时，y_S(i)＝j，i＝1,2,…,N_S，j＝1,2,…,R，R是目标物质的类别总数；

2.1.3)在保持原数据集特征的情况下，最小化源域和目标域的数据分布差异，以为最优化目标，寻找最优映射

3)运用机器学习算法对映射后的拉曼光谱进行分类识别，实现在源拉曼光谱仪器的光谱数据库已标注目标物质的情况下，对目标拉曼光谱仪器采集的待测光谱进行物质分类识别。

2.根据权利要求1所述的基于迁移学习的跨仪器拉曼光谱定性分析方法，其特征在于，步骤1)中，源拉曼光谱仪器的光谱数据d'_S的维度为2×x_S，第一行向量d'_S(1,:)记录d'_S的波数，第二行向量d'_S(2,:)记录波数对应的光谱信号强度，目标拉曼光谱仪器的光谱数据d'_T的维度为2×x_T，第一行向量d'_T(1,:)记录d'_T的波数，第二行向量d'_T(2,:)记录波数对应的光谱信号强度。