1.一種基于流形學(xué)習(xí)和RBF神經(jīng)網(wǎng)絡(luò)的近紅外無創(chuàng)血糖儀校正算法,其特征在于，包括以下步驟：
步驟一：對(duì)用LED-光電接收管獲取的5個(gè)波長(zhǎng)的吸光度數(shù)據(jù)進(jìn)行非線性擴(kuò)展，擴(kuò)展方式包括多項(xiàng)式擴(kuò)展及對(duì)數(shù)擴(kuò)展，如X12,,X1*X2,log(X1)等；
步驟二：對(duì)原始數(shù)據(jù)和擴(kuò)展后的數(shù)據(jù)合計(jì)25維數(shù)據(jù)，運(yùn)用流形學(xué)習(xí)降維理論中的局部線性嵌入(Locally Linear Embedding，LLE)算法，把25維數(shù)據(jù)降為10維；
步驟三：用連續(xù)投影算法 ( Successive Projections Algorithm , SPA)從10維數(shù)據(jù)中選出5個(gè)敏感波長(zhǎng)數(shù)據(jù)；
步驟四：對(duì)5個(gè)波長(zhǎng)數(shù)據(jù)運(yùn)用RBF神經(jīng)網(wǎng)絡(luò)建立校正模型。
2.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)和RBF神經(jīng)網(wǎng)絡(luò)的近紅外無創(chuàng)血糖儀校正算法，其特征在于：步驟一中，對(duì)原始數(shù)據(jù)的非線性擴(kuò)展方式為二次多項(xiàng)式擴(kuò)展和對(duì)數(shù)擴(kuò)展。
3.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)和RBF神經(jīng)網(wǎng)絡(luò)的近紅外無創(chuàng)血糖儀校正算法，其特征在于：步驟二中，局部線性嵌入把25維數(shù)據(jù)降為10維，局部線性嵌入的參數(shù)在LLE降維過程中，需要對(duì)參數(shù)k和d進(jìn)行優(yōu)化，其中k為鄰域參數(shù)，d為樣本本征維數(shù)，k和d均取整數(shù).本方法采用網(wǎng)格搜索法選取k和d的最優(yōu)值。
4.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)和RBF神經(jīng)網(wǎng)絡(luò)的近紅外無創(chuàng)血糖儀校正算法，其特征在于：步驟三中，用SPA方法從10維數(shù)據(jù)中選出對(duì)血糖濃度預(yù)測(cè)最敏感的5個(gè)波長(zhǎng)數(shù)據(jù)。
5.根據(jù)權(quán)利要求1所述的基于流形學(xué)習(xí)和RBF神經(jīng)網(wǎng)絡(luò)的近紅外無創(chuàng)血糖儀校正算法，其特征在于：步驟四中，RBF神經(jīng)網(wǎng)絡(luò)輸入層節(jié)點(diǎn)選擇為5個(gè)，隱層節(jié)點(diǎn)選擇為10個(gè)，輸出層節(jié)點(diǎn)選擇為1個(gè)。