【摘要】：近年來(lái),利用紫外可見(jiàn)或者紅外光譜儀測(cè)量分析物的光譜信息,之后從光譜信息中提取分析物的各種化學(xué)物理參數(shù)的方法在工業(yè)中得到了廣泛的應(yīng)用。這種方法使用起來(lái)的簡(jiǎn)便快速,同時(shí)基本不會(huì)損害分析樣本。光譜測(cè)量方法特別適合于如水中污染物監(jiān)測(cè)這類(lèi)的在線實(shí)時(shí)監(jiān)控中。光譜分析方法的流行的一個(gè)主要原因是隨著近年來(lái)機(jī)器學(xué)習(xí)技術(shù)的發(fā)展,越來(lái)越多的新的先進(jìn)的機(jī)器學(xué)習(xí)技術(shù)被引入到了光譜數(shù)據(jù)的建模之中。同時(shí)為了適應(yīng)光譜數(shù)據(jù)維度高,各個(gè)維度之間存在強(qiáng)相關(guān)性的特點(diǎn),人們也提出來(lái)許多適合于光譜數(shù)據(jù)分析的新的建模方法。本文從研究采用紫外可見(jiàn)光譜的水質(zhì)監(jiān)控系統(tǒng)出發(fā),研究了多個(gè)光譜定量分析模型的標(biāo)定問(wèn)題以及多個(gè)光譜標(biāo)定模型之間的遷移問(wèn)題。主要是將機(jī)器學(xué)習(xí)中多任務(wù)學(xué)習(xí)的方法引入到了光譜數(shù)據(jù)分析中,針對(duì)光譜數(shù)據(jù)的特點(diǎn)設(shè)計(jì)了幾種新的光譜定量分析以及模型遷移的方法,之后將這些方法推廣了一般的機(jī)器學(xué)習(xí)問(wèn)題之中。本文的主要工作可以歸結(jié)為以下幾個(gè)方面：第一,在利用光譜數(shù)據(jù)對(duì)分析物進(jìn)行分析的時(shí)候,通常我們需要在實(shí)驗(yàn)室中搜集大量樣本,然后用適當(dāng)?shù)墓庾V多元校正模型對(duì)樣本的物理或者化學(xué)特征以及其對(duì)應(yīng)的測(cè)量光譜之間的關(guān)系進(jìn)行建模。在實(shí)際的使用中的光譜數(shù)據(jù)測(cè)量的環(huán)境可能與建模的實(shí)驗(yàn)室環(huán)境并不相同,因此我們通常也會(huì)搜集一些實(shí)際環(huán)境下的樣本,然后用實(shí)際環(huán)境下的樣本對(duì)實(shí)驗(yàn)室中建立的模型進(jìn)行遷移,獲得適合于實(shí)際環(huán)境中的模型。我們提出了幾種基于多任務(wù)學(xué)習(xí)和高斯過(guò)程的模型遷移方法,這些方法只需要使用少量的真實(shí)環(huán)境中的樣本就可以把實(shí)驗(yàn)室中建立的模型遷移到真實(shí)的環(huán)境之中。第二,對(duì)于一個(gè)基于紫外可見(jiàn)光譜儀的水質(zhì)檢測(cè)系統(tǒng),我們會(huì)搜集到多個(gè)環(huán)境下的光譜和分析物濃度的數(shù)據(jù),如果能夠同時(shí)利用這些多個(gè)環(huán)境中的數(shù)據(jù)以及他們之間多元校正模型之間的聯(lián)系,就可以構(gòu)建出各個(gè)環(huán)境下的更加準(zhǔn)確模型。我們利用了多任務(wù)學(xué)習(xí)的方法來(lái)分析不同光譜儀數(shù)據(jù)之間的聯(lián)系,對(duì)于光譜數(shù)據(jù)特征維度高的特點(diǎn),提出了兩種同時(shí)選取特征波長(zhǎng)以及提取不同模型之間共同結(jié)構(gòu)的新的多任務(wù)學(xué)習(xí)方法。第三,我們提出了一種貝葉斯的可以同時(shí)進(jìn)行特征提取的稀疏混合專(zhuān)家模型。混合專(zhuān)家模型可以將輸入樣本劃分到多個(gè)子空間,然后用不同的子模型分別對(duì)劃分后的數(shù)據(jù)進(jìn)行建模,為了使得混合專(zhuān)家模型能夠分析高維光譜數(shù)據(jù),我們將稀疏貝葉斯方法與混合專(zhuān)家模型結(jié)合提出了一種新的稀疏混合專(zhuān)家模型。新提出的這個(gè)模型可以在不知道光譜數(shù)據(jù)的來(lái)源的時(shí)候分析從多種環(huán)境下搜集到的光譜數(shù)據(jù)。第四,我們將多任務(wù)學(xué)習(xí)方法和混合專(zhuān)家模型建模方法進(jìn)行了結(jié)合,將多任務(wù)學(xué)習(xí)方法應(yīng)用到單個(gè)分類(lèi)問(wèn)題之中,提出了一種使用跡范數(shù)正則的混合專(zhuān)家模型。我們利用混合專(zhuān)家模型的思路將一個(gè)分類(lèi)問(wèn)題劃分成多個(gè)相關(guān)的子問(wèn)題,同時(shí)利用多任務(wù)學(xué)習(xí)方法來(lái)提取這些子問(wèn)題之間的聯(lián)系,避免劃分后訓(xùn)練單個(gè)子模型時(shí)樣本數(shù)不足的問(wèn)題。在幾個(gè)機(jī)器學(xué)習(xí)的分類(lèi)數(shù)據(jù)集上的實(shí)驗(yàn)顯示了我們提出的這種方法的優(yōu)秀性能。
【學(xué)位授予單位】：中國(guó)科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：O433.1;TP18
【圖文】：

邐２逡逑Ｆｉｒｓｔ邋ｐｒｉｎｃｉｐａｌ邋ｃｏｍｐｏｎｅｎｔ逡逑圖２．２由ＳＶＲ方法和ＫＳ算法選擇的標(biāo)準(zhǔn)樣本，這些投影點(diǎn)表示了這６０個(gè)標(biāo)定樣本逡逑的前２個(gè)主成分。逡逑２０逡逑

ＲＭＴＬ２邐０．０８３邐Ｃ：邋１００００００邋靴邋０．０２邋Ａ：邋１００逡逑２．藥品數(shù)據(jù)集逡逑圖２．４顯示了這個(gè)數(shù)據(jù)集的第１０個(gè)樣本被兩個(gè)光譜儀測(cè)量得到的光譜。這逡逑個(gè)數(shù)據(jù)集中己經(jīng)被劃分成了邋１５５個(gè)訓(xùn)練樣本和４６０個(gè)測(cè)試樣本，實(shí)驗(yàn)里就直接使逡逑用這個(gè)劃分。為了和文獻(xiàn)［８４］的迂移結(jié)果進(jìn)行比較，這里使用了和文獻(xiàn)同樣預(yù)處逡逑理步驟：刪去了送個(gè)數(shù)據(jù)集中的１３個(gè)認(rèn)為是誤差點(diǎn)的樣本。實(shí)驗(yàn)研究了從送個(gè)逡逑數(shù)據(jù)集的第一號(hào)光譜儀到第二號(hào)光譜儀么間模型的遷移，將標(biāo)準(zhǔn)樣本的個(gè)數(shù)固定逡逑成了邋２４，因?yàn)楦鶕?jù)文獻(xiàn)［８４］的研充結(jié)果，一旦標(biāo)準(zhǔn)樣本的個(gè)數(shù)達(dá)到２４個(gè)之后，進(jìn)逡逑一步X椉穎曜佳鏡母鍪閱Ｐ透路椒ǖ慕峁跋旌芐�。辶x希玻沖義

本文編號(hào)：2785723