公开(公告)号：CN112884050B

公开(公告)日：2024-04-12

申请号：CN202110213004.8

申请日：2021-02-26

Applicant: 江南大学

Inventor： 朱启兵 ,  赵小康 ,  赵鑫 ,  黄敏

IPC: G06Q10/0639 ,  G06F18/2113 ,  G06F18/214 ,  G06F18/231 ,  G06F18/22 ,  G06Q50/04

Abstract: 本发明公开了一种基于无监督主动学习的品质检测方法，涉及光谱技术领域，该方法对光谱特征进行聚类分析实现多样性划分得到多个样本簇，从每个样本簇中利用局部线性重建算法选出特征集合元素，从而选出了具有代表性的特征样本产品，然后再给特征样本产品打上品质参数标签，从而可以减少有标记样本的数量，减少破坏性理化实验，同时融合了样本多样性和代表性的选择标准，可以有效地提高品质预测模型的精度，可以减少建模难度，提高建模效率和精度，有利于优化品质检测结果。

公开(公告)号：CN112884050A

公开(公告)日：2021-06-01

申请号：CN202110213004.8

申请日：2021-02-26

Applicant: 江南大学

Inventor： 朱启兵 ,  赵小康 ,  赵鑫 ,  黄敏

IPC: G06K9/62 ,  G06Q10/06 ,  G06Q50/04

Abstract: 本发明公开了一种基于无监督主动学习的品质检测方法，涉及光谱技术领域，该方法对光谱特征进行聚类分析实现多样性划分得到多个样本簇，从每个样本簇中利用局部线性重建算法选出特征集合元素，从而选出了具有代表性的特征样本产品，然后再给特征样本产品打上品质参数标签，从而可以减少有标记样本的数量，减少破坏性理化实验，同时融合了样本多样性和代表性的选择标准，可以有效地提高品质预测模型的精度，可以减少建模难度，提高建模效率和精度，有利于优化品质检测结果。