随着近红外光谱检测仪种类的增多，不同仪器间的校正模型存在无法共享问题，可利用模型传递解决。以食用油为研究对象，在主机上建立油酸质量比的极限学习机校正模型，利用迁移学习中的TrAdaBoost算法把主机模型传递到从机上，探讨标准化样品数量对模型传递效果的影响，并与直接标准化算法、缺损数据重构算法和极限学习机自编码器的模型传递算法进行对比。结果 表明:主机模型经TrAdaBoost算法模型传递后，从机预测集决定系数R2从0。489上升到0。892，预测集均方根误差(Root mean square error of prediction，RMSEP)从4。824 mg/g下降到0。267 mg/g，且模型效果几乎不受标准化样品数量的影响。说明TrAdaBoost算法可以有效应用于模型传递领域，实现了不同光谱仪器之间的共享。
Near Infrared Spectroscopy Calibration Transfer Based on TrAdaBoost Algorithm
国家科技期刊平台
NSTL
万方数据
维普
