技術(shù)特征：

1.一種基于隨機(jī)森林遷移學(xué)習(xí)的紅外光譜模型傳遞方法，其特征在于：包括以下步驟：

S1、將主儀器掃描采集得到的樣本光譜數(shù)據(jù)集D_m利用Bootstrap隨機(jī)抽樣方法生成K個(gè)子數(shù)據(jù)集：

S2、針對(duì)每個(gè)子數(shù)據(jù)集結(jié)合目標(biāo)儀器上掃描得到的數(shù)據(jù)集D_s，利用遷移學(xué)習(xí)算法建立目標(biāo)儀器上的紅外光譜與化學(xué)組分間的映射模型：同時(shí)形成新的數(shù)據(jù)集

S3、針對(duì)待測(cè)樣本，利用目標(biāo)儀器掃描其紅外光譜x_i，并將其送入到每個(gè)映射模型從而得到每個(gè)映射模型給出的化學(xué)組分預(yù)測(cè)值：

S4、計(jì)算待測(cè)樣本x_i與數(shù)據(jù)集中每個(gè)樣本的相似度，并進(jìn)行累加求和，記為：S_i(1≤i≤k)；

S5、針對(duì)待測(cè)樣本x_i，計(jì)算各個(gè)映射模型對(duì)應(yīng)的權(quán)重因子：$w_i^j=s_j/{\mathrm{\Σ}}_{j=1}^k{s}_j,(1\≤j\≤k);$

S6、利用加權(quán)平均方法計(jì)算待測(cè)樣本的化學(xué)組分含量：

2.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林遷移學(xué)習(xí)的紅外光譜模型傳遞方法，其特征在于：所述步驟S2中的遷移學(xué)習(xí)算法包括基于實(shí)例的遷移算法和基于特征的遷移算法。

3.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林遷移學(xué)習(xí)的紅外光譜模型傳遞方法，其特征在于：所述步驟S2中映射模型包括線性模型和非線性模型。

4.根據(jù)權(quán)利要求3所述的基于隨機(jī)森林遷移學(xué)習(xí)的紅外光譜模型傳遞方法，其特征在于：所述線性模型為多元回歸和偏最小二乘；非線性模型為人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)和極限學(xué)習(xí)機(jī)。

5.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林遷移學(xué)習(xí)的紅外光譜模型傳遞方法，其特征在于：所述步驟S2中映射模型的建立包括紅外光譜預(yù)處理和特征選擇。

6.根據(jù)權(quán)利要求5所述的基于隨機(jī)森林遷移學(xué)習(xí)的紅外光譜模型傳遞方法，其特征在于：所述紅外光譜預(yù)處理包括去噪和基線校正；特征選擇包括無(wú)信息變量消除法、區(qū)間偏最小二乘法、遺傳算法、蝙蝠算法和稀疏優(yōu)化等。

7.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林遷移學(xué)習(xí)的紅外光譜模型傳遞方法，其特征在于：所述步驟S4中相似度度量方法包括歐式距離法、L范數(shù)法、相關(guān)系數(shù)法，以及將樣本映射到其它高維或者低維空間后再計(jì)算得到的相似性度量方法。

8.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林遷移學(xué)習(xí)的紅外光譜模型傳遞方法，其特征在于：所述步驟S4中相似度度量結(jié)果包括樣本間越接近，相似度越高，S_i值越大。

9.根據(jù)權(quán)利要求1所述的基于隨機(jī)森林遷移學(xué)習(xí)的紅外光譜模型傳遞方法，其特征在于：所述步驟S5中各個(gè)映射模型對(duì)應(yīng)的權(quán)重因子滿足關(guān)系：