【技术实现步骤摘要】
用于光谱量化的减少的误报识别
[0001]本申请是申请日为2019年01月23日,申请号为201910063878.2,专利技术名称为“用于光谱量化的减少的误报识别”的申请的分案申请。
[0002]背景
[0003]原料识别可用于药物产品的质量控制。例如,可以对医用材料执行原料识别,以确定医用材料的组成成分是否对应于与医用材料相关联的包装标签。类似地,可以执行原料量化以确定特定样本中特定组分的浓度。例如,可以执行原料量化以确定药物中活性成分的浓度。与其他化学计量技术相比,光谱法可以有助于以减少的准备和数据采集时间进行原料的无损识别和/或量化。
[0004]概述
[0005]根据一些可能的实施方式,设备可以包括通信地耦合到一个或更多个处理器的一个或更多个存储器。一个或更多个存储器和一个或更多个处理器可以被配置为接收识别对未知样本执行的光谱测量的结果的信息。一个或更多个存储器和一个或更多个处理器可以被配置为基于可配置参数来确定用于量化模型的决策边界,使得量化模型的第一多个训练集样本在决策边界内,并且量化模型的第二多个训练集样本不在决策边界内。一个或更多个存储器和一个或更多个处理器可以被配置为确定对未知样本执行的光谱测量相对于决策边界的距离度量。一个或更多个存储器和一个或更多个处理器可以被配置为确定量化模型的第二多个训练集样本相对于决策边界的多个距离度量。一个或更多个存储器和一个或更多个处理器可以被配置为基于光谱测量的距离度量和第二多个训练集样本的多个距离度量来确定对未知样本执行的光谱测量是否对应于量化模型。一个或更多个存储 ...
【技术保护点】
【技术特征摘要】
1.一种方法,包括:由设备向光谱仪提供执行一个或更多个光谱测量的指令;基于提供执行所述一个或更多个光谱测量的指令,由所述设备从所述光谱仪接收多组光谱;由所述设备使用层次支持向量机SVM线性分类器和所述多组光谱中的第一组光谱训练全局分类模型;由所述设备使用所述层次SVM线性分类器和所述多组光谱中的第二组光谱验证所述全局分类模型;以及在验证所述全局分类模型之后,由所述设备提供一个或更多个量化模型。2.根据权利要求1所述的方法,其中,提供所述一个或更多个量化模型包括:将所述一个或更多个量化模型提供给与第一不同光谱仪相关联的第一不同设备和与第二不同光谱仪相关联的第二不同设备。3.根据权利要求1所述的方法,还包括:训练并验证与所述全局分类模型相关联的多个局部量化模型,其中,所述多个局部量化模型包括所述一个或更多个量化模型。4.根据权利要求1所述的方法,其中,所述一个或更多个量化模型包括:第一量化模型,其对应于所述全局分类模型的第一类别,以及第二量化模型,其对应于所述全局分类模型的第二类别。5.根据权利要求1所述的方法,其中,所述一个或更多个量化模型包括:第一量化模型,其对应于基于所述全局分类模型生成的局部分类模型的第一类别,以及第二量化模型,其对应于所述局部分类模型的第二类别。6.根据权利要求1所述的方法,其中,执行所述一个或更多个光谱测量的指令包括对训练集和验证集执行所述一个或更多个光谱测量的指令。7.根据权利要求1所述的方法,其中,所述一个或更多个量化模型包括:第一量化模型,其用于确定在使用原位局部建模所识别的肉的第一类型中特定蛋白质的浓度,以及第二量化模型,其用于确定在使用原位局部建模所识别的肉的第二类型中所述特定蛋白质的浓度。8.一种设备,包括:一个或更多个存储器;以及一个或更多个处理器,其耦合到所述一个或更多个存储器,所述处理器被配置成:从光谱仪接收与一个或更多个光谱测量相关联的多组光谱;使用层次支持向量机SVM线性分类器和所述多组光谱中的第一组光谱训练全局分类模型;使用所述层次SVM线性分类器和所述多组光谱中的第二组光谱验证所述全局分类模型;以及在验证所述全局分类模型之后,提供一个或更多个量化模型。9.根据权利要求8所述的设备,其中,用于提供所述一个或更多个量化模型的所述一个
或更多个处理器被配置成:将所述一个或更多个量化模型提供给与第一不同光谱仪相关联的第一不同设备和与第二不同光谱仪相关联的第二不同设备。10.根据权利要求8所述的设备,其中,所述一个或更多个处理器还被配置成:训练与所述全局分类模型相关联的多个局部量化模型,其中,所述多个局部量化模型包括所述一个或更多个量化模型。11.根据权利要求8所述的...
【专利技术属性】
技术研发人员:熊章民,
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:
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。