基于机器学习的RE分析和FTICRMS联合数据解码与优化方法

本发明公开了一种基于机器学习的RE分析和FTICRMS联合数据解码与优化方法，包括：训练数据集的获取与预处理、卷积神经网络构建及数据解码、RE数据解码模型训练、MS数据解码模型训练、数据集质量评估与优化、MS‑FTICRMS联合算法的构建以及模型的测试与评价。本发明通过构建MS‑RE解码模型与MS‑MS解码模型并联合，使得模型能够同时处理高分辨率和低分辨率数据，并通过多任务学习提高模型的表现能力，从而大大提高质谱数据解码的精度和效率。