一种基于中心对称性的光谱分析迁移学习方法及系统

本发明属于但不限于光谱分析技术领域，公开了一种基于中心对称性的光谱分析迁移学习方法及系统，收集源域和目标域光谱数据，制作成分信息表；对源域和目标域光谱数据进行预处理，并对光谱数据进行特征提取和增强；构建源域深度学习模型，利用预处理后的源域光谱数据集对深度学习模型进行预训练，通过调整模型参数以优化其在源域数据上的表现；在迁移学习过程中，计算源域数据的特征中心，并在迁移至目标数据时调整目标数据的特征中心；在迁移网络中加入新的层，包括额外的卷积层或全连接层；基于目标域光谱数据集，对迁移后的深度学习模型进行重新训练和优化。本发明不仅解决了光谱数据的高维性和稀疏性难题，还显著提高了迁移学习的效率和效果。