【技术实现步骤摘要】
使用光谱学的识别本申请是申请日为2016年8月26日,申请号为201610739767.5,专利技术名称为“使用光谱学的识别”的申请的分案申请。背景原材料识别可用于药物产品的质量控制。例如,可对医学化合物执行原材料识别以确定医学化合物的组成成分是否相应于与医学化合物相关的包装标签。光谱学可利用相对于其它化学技术的减少的制备和数据获取时间来便于非破坏性原材料识别。概述根据一些可能的实现方式,设备可包括一个或多个处理器。一个或多个处理器可接收识别未知样品的光谱测量的结果的信息。一个或多个处理器可基于光谱测量的结果和全局分类模型来执行未知样品的第一分类。全局分类模型可利用支持向量机(SVM)分类器技术。全局分类模型可包括类别的全局组。一个或多个处理器可基于第一分类来生成局部分类模型。局部分类模型可利用SVM分类器技术。局部分类模型可包括类别的全局组的类别的子集。一个或多个处理器可基于光谱测量的结果和局部分类模型来执行未知样品的第二分类。一个或多个处理器可基于执行第二分类来提供识别类别的子集中的与未知样品相关的类别的信息。根据一些可能的实现方式,计算机可读介质可存储指令,指令当由一个或多个处理器执行时可使一个或多个处理器接收识别未知组的一组光谱测量的结果的信息。未知组可包括一组未知样品。一个或多个指令当由一个或多个处理器执行时可使一个或多个处理器基于该组光谱测量的结果和全局分类模型来执行该组未知样品的第一分类。全局分类模型可利用支持向量机(SVM)线性分类器技术。一个或多个指令当由一个或多个处理器执行时可使一个或多个处 ...
【技术保护点】
1.一种方法,包括:/n由第一设备生成全局分类模型;/n由所述第一设备确定所述全局分类模型满足验证阈值;/n由所述第一设备并基于确定所述全局分类模型满足所述验证阈值,将所述全局分类模型提供至与第一分光计相关的第二设备;以及/n由所述第一设备并基于确定所述全局分类模型满足所述验证阈值,将所述全局分类模型提供至与第二分光计相关的第三设备。/n
【技术特征摘要】
20150826 US 62/210,1981.一种方法,包括:
由第一设备生成全局分类模型;
由所述第一设备确定所述全局分类模型满足验证阈值;
由所述第一设备并基于确定所述全局分类模型满足所述验证阈值,将所述全局分类模型提供至与第一分光计相关的第二设备;以及
由所述第一设备并基于确定所述全局分类模型满足所述验证阈值,将所述全局分类模型提供至与第二分光计相关的第三设备。
2.如权利要求1所述的方法,还包括:
选择用于生成所述全局分类模型的hier-支持向量机(SVM)线性分类器。
3.如权利要求2所述的方法,还包括:
对照一个或多个其它分类器来测试所述hier-SVM线性分类器,
其中,选择所述hier-SVM线性分类器包括:
基于对照所述一个或多个其它分类器来测试所述hier-SVM线性分类器,选择所述hier-SVM线性分类器。
4.如权利要求1所述的方法,其中,确定所述全局分类模型满足所述验证阈值包括:
确定所述全局分类模型具有超过所述验证阈值的准确度。
5.如权利要求1所述的方法,其中,在对由所述第一分光计执行的光谱测量执行原材料识别(RMID)时利用所述全局分类模型。
6.如权利要求1所述的方法,还包括:
接收识别一组光谱测量的结果的信息,
其中,生成所述全局分类模型包括:
基于识别所述一组光谱测量的所述结果的所述信息来生成所述全局分类模型。
7.如权利要求6所述的方法,其中,从多个分光计接收识别所述一组光谱测量的所述结果的所述信息。
8.第一设备,包括:
一个或多个存储器;以及
通信地耦合至所述一个或多个存储器的一个或多个处理器,所述一个或多个处理器配置成:
生成全局分类模型;
确定所述全局分类模型满足验证阈值;
基于确定所述全局分类模型满足所述验证阈值,将所述全局分类模型提供至与第一分光计相关的第二设备;以及
基于确定所述全局分类模型满足所述验证阈值,将所述全局分类模型提供至与第二分光计相关的第三设备。
9.如权利要求8所述的第一设备,其中,所述一个或多个处理器还配置成:
选择用于生成所述全局分类模型的hier-支持向量机(SVM)线性分类器。
10.如权利要求9所述的第一设备,其中,所述一个或多个处理器还配置成:
对照一个或多个其它分类器来测试所述hier-SVM线性分类器,
其中,选择所述hier-SVM线性分类器包括:
基于对照所述一个或多个其它分类器来测试所述hier-SVM线性分类器,选择所述hier-SVM线性分类器。
11.如权利要求8所述的第一设备,其中,当确...
【专利技术属性】
技术研发人员:熊章民,克里斯多佛·G·佩德森,邹鹏,孙岚,
申请(专利权)人:唯亚威通讯技术有限公司,
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。