一种高精度光谱测量数据优化处理方法

专利主权项内容

1.一种高精度光谱测量数据优化处理方法，其特征在于，所述方法包括：周期性获取待测样本在不同时间点的光谱测量数据，确定光谱测量数据在不同维度的初始孤立树；根据所述光谱测量数据中数据点在不同的初始孤立树中的深度信息和不同深度信息的频次，构建每个数据点的深度序列；根据任意两个数据点的深度序列、两个数据点的幅值差异和频率差异，确定两个数据点的结构相似性；将任一数据点作为待测数据点，对待测数据点与其他所有数据点的所述结构相似性进行聚类，得到待测数据点的聚类簇，将待测数据点的频率作为待测频率，将所有数据点对应的聚类簇中包含待测频率的聚类簇作为待测聚类簇，根据所有所述待测聚类簇中的结构相似性的值确定待测频率的相似一致性程度；根据不同频率的相似一致性程度对所述光谱测量数据的频率区间进行划分，得到特征波段；根据不同时间点的特征波段中包含的频率的差异，确定孤立树分裂频率，基于所述孤立树分裂频率在不同维度的值对所述光谱测量数据进行孤立树分析，确定异常数据点，根据所述异常数据点对光谱测量数据进行数据优化，得到优化光谱数据；所述根据所述异常数据点对光谱测量数据进行数据优化，得到优化光谱数据，包括：在光谱测量数据中删除异常数据点，将剩余的数据点组成优化光谱数据；其中，所述维度为光谱测量数据的特征维度，所述确定光谱测量数据在不同维度的初始孤立树，包括：基于孤立树算法，对任一时间点的光谱测量数据在任一维度下随机选择分割点并进行分析，得到光谱测量数据在不同维度的初始孤立树。