CN119538016B 一种基于数据孪生的质谱检测方法及系统 (合肥谱佳医学检验实验室有限公司)_第1页
CN119538016B 一种基于数据孪生的质谱检测方法及系统 (合肥谱佳医学检验实验室有限公司)_第2页
CN119538016B 一种基于数据孪生的质谱检测方法及系统 (合肥谱佳医学检验实验室有限公司)_第3页
CN119538016B 一种基于数据孪生的质谱检测方法及系统 (合肥谱佳医学检验实验室有限公司)_第4页
CN119538016B 一种基于数据孪生的质谱检测方法及系统 (合肥谱佳医学检验实验室有限公司)_第5页
已阅读5页,还剩25页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

司区服务中心创新大道2800号创新产业本发明公开了一种基于数据孪生的质谱检进行多阶段智能化的质谱数据预处理提高数据孪生模型分析质谱数据,提高质谱数据分析效2对原始质谱数据进行多阶段智能化的质谱数据预处理,包括:通过使用机器学习算法对处理后的质谱数据进行训练,构对质谱数据进行全局标准化和局部标准化,基于双重标准化数据针对不同样品的质谱数据分别进行局部标准化;针对所有样化方法为基于当前数据与数据最小值的差值和数据最大最小值差值的占分析同一个样品的质谱数据的局部标准化数据和全局标基于所有样品的质谱数据对应的双标准化数据差异数据的统计所述数据孪生模型中包含机器学习算法集成模块,所述机器学习算法基于各个输出的质谱数据分析结果计算与理论上的质谱数据分析谱数据分析结果的所述误差反向更新各个机器学习模型基于各个机器学习模型对应的误差计算各个机器学习模型的权重理论将各个机器学习模型输出的质谱数据分析结果输入到权重分配模型,基于输出的权重向量和所述权重向量理论值的误差反向更新权重分配模型的网络模所述最小均方自适应滤波算法中,滤波器各个权值的更新公式为:w(n+1)=w(n)+μe(n)x3对输入的质谱数据采用时空特征提取模块提取时空特征,同时采用将质谱数据的时空特征和频域特征concat连接将质谱特征输入机器学习算法集成模块进行综合决策,获得质所述时空特征提取模块基于卷积神经网络CNN和长短期记忆网络LSTM级联构成;时空对质谱数据进行全局标准化和局部标准化,基于双重标准化数据针对不同样品的质谱数据分别进行局部标准化;针对所有样化方法为基于当前数据与数据最小值的差值和数据最大最小值差值的占分析同一个样品的质谱数据的局部标准化数据和全局标基于所有样品的质谱数据对应的双标准化数据差异数据的统计4模型训练单元,用于使用机器学习算法对处理后的质谱数据所述数据孪生模型中包含机器学习算法集成模块,所述机器学习算法基于各个输出的质谱数据分析结果计算与理论上的质谱数据分析谱数据分析结果的所述误差反向更新各个机器学习模型基于各个机器学习模型对应的误差计算各个机器学习模型的权重理论将各个机器学习模型输出的质谱数据分析结果输入到权重分配模型,基于输出的权重向量和所述权重向量理论值的误差反向更新权重分配模型的网络模5[0009]在一些实施方式中,所述对原始质谱数据进行多阶段智[0012]在一些实施方式中,所述通过小波变换和自适应滤波对原始质谱数据进行多层6[0020]分析同一个样品或者同一个组的质谱数据的局部标准化数据和全局标准化数据[0021]基于所有样品或者所有组的质谱数据对应的双标准化数据差异数据的统计分布单元通过快速傅里叶变换FFT提取频域特征;所述时空特征提取模块中的网络模型参数待[0026]将质谱特征输入机器学习算法集成模块进行综合决策,机器学习算法集成模块中网络模型参数待训练,在数据孪生模型的训练过程不断迭代更于质谱数据分析结果的所述误差反向更新各个机器学[0033]基于输出的权重向量和所述权重向量理论值的误差反向更新权重分配模型的网7于质谱数据分析结果的所述误差反向更新各个机器学[0037]将各个机器学习模型输出的质谱数据分析结果输入到权重分配模型进行赋权融[0038]在一些实施方式中,所述时空特征提取模块基于卷积神经网络CNN和长短期记忆处理器执行时实现上述第一方面所述质谱检测方8[0058]参见图1,本申请实施例提供的一种基于数据孪生的质谱检测方法,包括如下步9[0090]步骤A1,将差异数据按照大小顺[0092]步骤A3,获取差异数据分布基准条件下预设的局部标准化数据的基准权重和全局标准化数据的基准权重,所述基准条件为全部样品或组的质谱数据对应的差异数据段一[0093]步骤A4,基于实际情况下不同差异数据段对差异数据段对应的样品数或组数越小,则对应的质谱数据的局部标准化数据的权重越大,所述单个差异数据段的差异值均值越大,则对应的质谱数据的局部标准化数据的权重越据段的差异值均值有关,不同差异数据段对应的样品数或组数的稳定度越小,则对应的质过程,当某一局部数据分布特征或者某些局部数据分布特征在全局数据中出现频次较少,单元通过快速傅里叶变换FFT提取频域特征;所述时空特征提取模块中的网络模型参数待[0101]将质谱特征输入机器学习算法集成模块进行综合决策,机器学习算法集成模块中网络模型参数待训练,在数据孪生模型的训练过程不断迭代更练过程中不断学习面对不同的质谱数据各个机器学习模型的输出结果分布情况下如何给[0108]步骤302,基于各个输出的质谱数据分析结果计算与理论上的质谱数据分析结果[0109]步骤303,基于各个机器学习模型对应的误差计算各个机器学习模型的权重理论[0111]步骤305,基于输出的权重向量和所述权重向量理论值的误差反向更新权重分配权重向量和所述权重向量理论值的误差反向更新权重分配模型的网络模步训练权重分配模型:将各个机器学习模型输出的质谱数据分析结果输入到权重分配模[0117]步骤312,基于各个输出的质谱数据分析结果计算与理论上的质谱数据分析结果[0118]步骤313,将各个机器学习模型输出的质谱数据分析结果输入到权重分配模型进据分析结果的误差反向更新权重分配模型的网[0120]基于质谱数据分析结果的所述误差反向更新各个机器学于汇总质谱数据分析结果和理论上的质谱数据分析结果的误差反向更新权重分配模型的[0132]瞬时频率(InstantaneousFrequency瞬时频率反映了非平稳信号的频率变化在唤醒状态下的数据进行处理的处理器,也称中央处理器(CentralProcessingUnit,令被处理器执行时实现上述方法实施例中所述质谱检[0148]本领域普通技术人员可

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论