One method may include sensing the first data sample from the first group of different subjects with membership in the target category and the second data sample from the second group of different subjects without membership in the target category, where each data sample in the first data sample and the second data sample includes a combination of individual data features. \u3002 Extract and quantify individual data features from each combination of the first and second data samples. Based on the quantized values of individual features from each combination in the first and second samples, the feature set and correlation weights of the target category model are identified to create a model representing the fingerprints of the target category, thereby determining the membership status of the sample with unknown membership status for the target category.
【技术实现步骤摘要】
【国外来华专利技术】目标类别特征模型
技术介绍
诊断被用于识别或判定受试体是否属于指定类别或具有指定状况。例如,在生命科学中诊断被用于判定受试体是否可能患有癌症。诊断可以用于识别受试体是真实的还是伪造的。诊断可以用于评估食品安全性、能源质量或环境状况。附图说明图1是用于生成或创建目标类别特征模型的示例方法的流程图。图2是用于通过迭代地应用不同的权重组合并使用真实数据样本特征值来生成目标类别特征模型的示例方法的流程图。图3是图2的用于生成目标类别特征模型的方法的示例实施方式的流程图。图4是用于生成目标类别特征模型的示例方法的简图。图5是用于使用新的真实数据样本来更新之前生成的目标类别特征模型的示例方法的简图。图6是用于生成子类别特征模型的示例方法的流程图。图7是用于确定与目标类别特征模型的特征集相对应的化学物质的示例方法的流程图。图8是简图,展示了图7的方法的示例实施方式。图9是用于生成、使用和传送目标类别模型的示例系统的示意图。图10是图示地描绘了针对不同状况或类别的各种示例目标类别特征模型的简图。具体实施方式现有的诊断技术或方法本质上通常是二元的,指示受试体是属于某个类别或具有某种状况,还是不属于所述类别或不具有所述状况。受试体可能属于的不同类别或受试体可能具有的状况/状态的示例包括:特定健康状况或疾病;特定环境状况、为真实的状态或为伪造的状态、食品等的安全或不安全状况、或者关于产品或资源的质量水平。许多现有的诊断方法并不提供关于状况或所诊断状态的性质和根源或原因的见解。现有的诊断方法通常是复杂的、不可靠的且难以适应新数据或新影响。本文公开了用于创建、使用和更新目标类别特征模型的 ...
【技术保护点】
1.一种方法,包括:感测来自具有目标类别中的成员资格的第一组不同受试体的第一数据样本;感测来自不具有所述目标类别中的成员资格的第二组不同受试体的第二数据样本,所述第一数据样本和所述第二数据样本中的每个数据样本包括单独数据特征的组合体;从所述第一数据样本和所述第二数据样本中的每个组合体提取并量化所述单独数据特征;以及基于来自所述第一数据样本和所述第二数据样本中的每个组合体的所述单独数据特征的量化值来识别目标类别特征模型的数据特征集和相关联权重,以创建表示所述目标类别的指纹的目标类别特征模型,从而确定关于所述目标类别具有未知成员资格状态的样本的成员资格状态。
【技术特征摘要】
【国外来华专利技术】1.一种方法,包括:感测来自具有目标类别中的成员资格的第一组不同受试体的第一数据样本;感测来自不具有所述目标类别中的成员资格的第二组不同受试体的第二数据样本,所述第一数据样本和所述第二数据样本中的每个数据样本包括单独数据特征的组合体;从所述第一数据样本和所述第二数据样本中的每个组合体提取并量化所述单独数据特征;以及基于来自所述第一数据样本和所述第二数据样本中的每个组合体的所述单独数据特征的量化值来识别目标类别特征模型的数据特征集和相关联权重,以创建表示所述目标类别的指纹的目标类别特征模型,从而确定关于所述目标类别具有未知成员资格状态的样本的成员资格状态。2.如权利要求1所述的方法,其中,识别目标类别特征模型的数据特征集和相关联权重包括:将不同的候选权重组合迭代地应用于函数的数据特征集,以在每次迭代期间创建不同的候选模型;对于每次迭代,将所述不同的候选模型应用于从所述第一数据样本和所述第二数据样本中的每个组合体提取并量化的单独特征;将每个不同的候选模型应用于从所述第一数据样本和所述第二数据样本中的每个数据样本提取并量化的单独数据特征的结果与所述第一数据样本和所述第二数据样本中的每个数据样本的已知成员资格状态进行比较;以及基于所述比较来选择基于单独数据特征的组合体而表示所述目标类别的指纹的所述目标类别特征模型。3.如权利要求2所述的方法,其中,所述第一数据样本和所述第二数据样本包括SERS光谱数据,并且其中,所述特征集包括基于所述SERS光谱数据的光谱峰值的特征。4.如权利要求3所述的方法,其中,所述第一数据样本和所述第二数据样本包括利用不同拉曼光谱增强表面获取的受试体的SERS光谱数据。5.如权利要求2所述的方法,所述第一数据样本和所述第二数据样本包括阻抗数据。6.如权利要求2所述的方法,进一步包括针对所述函数创建多特征的特征集。7.如权利要求2所述的方法,进一步包括将所识别的集和所分配的权重存储到目标类别作为数据库的一部分。8.如权利要求2所述的方法,其中,单独数据特征的不同候选集中的至少一个候选集包括单个数据特征。9.如权利要求2所述的方法,进一步包括:接收关于所述目标类别具有已知成员资格状态的附加数据样本;从所述附加样本的组合体提取并量化单独数据特征;将所选目标类别特征模型应用于从所述附加样本提取并量化的单独数据特征;将所选目标类别特征模型应用于从所述附加数据样本提取并量化的单独数据特征的结果与所述已知成员资格状态进行比较;以及基于所述比较的结果:将不同的候选权重组合迭代地应用于所述函数的所述特征集,以创建用于识别样本关于所述目标类别的成员资格状态的不同候选模型;对于每次迭代,将所述不同候选模型应用于从所述第一数据样本、所述第二数据样本和所述附加样本中的每个组合体提取并量化的单独数据特征;将每个不同候选模型应用于从所述第一数据样本和所述第二数据样本中的每个数据样本提取并量化的单独数据特征的结果与所述第一数据样本、所述第二数据样本和所述附加数据样本中的每个数据样本的已知成员资格状态进行比较;并且基于所述比较来选择基于单独特征的组合体而表示所述目标类别的指纹的新的目标类别特征模型。10....
【专利技术属性】
技术研发人员:刘磊,A·罗卡斯,
申请(专利权)人:惠普发展公司有限责任合伙企业,
类型:发明
国别省市:美国,US
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。