一种指纹图谱类型识别方法、电子设备及存储介质技术

本发明专利技术涉及样本分析技术领域，具体提供一种指纹图谱类型识别方法、电子设备及存储介质，旨在解决如何准确地识别指纹图谱类型的问题。为此目的，本发明专利技术的方法包括获取待识别的指纹图谱，将待识别的指纹图谱输入由至少一个有效识别模型组成的模型集，得到指纹图谱类型识别结果；其中至少一个有效识别模型根据预设条件对训练好的识别模型筛选得到，其中识别模型基于对应的离子峰簇训练得到。通过上述实施方式，能够对待识别的指纹图谱整体进行分析，摆脱了传统方法依赖于识别个别特征峰的限制，因此识别结果更加准确，并且该指纹图谱类型识别方法不受样本来源限制，更加简单可靠，适用范围也更加广泛。范围也更加广泛。范围也更加广泛。

【技术实现步骤摘要】
一种指纹图谱类型识别方法、电子设备及存储介质


[0001]本专利技术涉及样本分析
，具体涉及一种指纹图谱类型识别方法、电子设备及存储介质。

技术介绍

[0002]传统的指纹图谱类型识别方法大多采用特征峰识别，但是有些指纹图谱的特征峰不明显或者为低丰度，进而不容易被检测，导致指纹图谱类型无法识别。
[0003]相应地，本领域需要一种新的技术方案来解决上述问题。

技术实现思路

[0004]为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决如何准确地识别指纹图谱类型的技术问题的一种指纹图谱类型识别方法、电子设备及存储介质。
[0005]第一方面，提供一种指纹图谱类型识别方法，所述方法包括：
[0006]获取待识别的指纹图谱；
[0007]将所述待识别的指纹图谱输入由至少一个有效识别模型组成的模型集，得到指纹图谱类型识别结果，其中所述至少一个有效识别模型根据预设条件对训练好的识别模型筛选得到，其中所述识别模型基于对应的离子峰簇训练得到。
[0008]在上述指纹图谱类型识别方法的一个技术方案中，所述方法还包括获取模型集，其中所述获取模型集具体包括：
[0009]对多个识别模型进行训练，得到多个训练好的识别模型；
[0010]根据所述预设条件对所述多个训练好的识别模型进行筛选，得到至少一个有效识别模型；
[0011]将所述至少一个有效识别模型进行组合，得到所述模型集。
[0012]在上述指纹图谱类型识别方法的一个技术方案中，所述对多个识别模型进行训练包括：
[0013]获取多个训练集，其中，所述每个训练集为对应的标注了类型标签的离子峰簇；
[0014]将每个训练集输入对应的识别模型，分别对对应的识别模型进行训练。
[0015]在上述指纹图谱类型识别方法的一个技术方案中，所述获取多个训练集包括：
[0016]获取标注了类型标签的多个指纹图谱；
[0017]对所述多个指纹图谱进行归一化处理，得到所述多个指纹图谱的离子峰集合；
[0018]将所述离子峰集合划分为至少一个离子峰簇。
[0019]在上述指纹图谱类型识别方法的一个技术方案中，所述将所述离子峰集合划分为至少一个离子峰簇，包括：
[0020]获取所述离子峰集合中多个离子峰分布的密集程度；
[0021]根据所述密集程度将所述多个离子峰划分为至少一个所述离子峰簇。
[0022]在上述指纹图谱类型识别方法的一个技术方案中，
[0023]所述预设条件至少包括预设指纹图谱数量和预设准确率阈值；
[0024]所述根据所述预设条件对所述多个训练好的识别模型进行筛选，包括：
[0025]分别判断所述多个训练好的识别模型中参与训练的指纹图谱数量是否满足所述预设指纹图谱数量；
[0026]分别判断所述多个识别模型的准确率是否满足所述预设准确率阈值；
[0027]筛选出同时满足所述预设指纹图谱数量和所述预设准确率阈值的所述识别模型作为所述有效识别模型。
[0028]在上述指纹图谱类型识别方法的一个技术方案中，所述将所述至少一个有效识别模型进行组合，得到所述模型集，包括：
[0029]将多个有效识别模型以不同方式进行组合，得到由所述多个有效识别模型组成的多个模型集。
[0030]在上述指纹图谱类型识别方法的一个技术方案中，所述方法还包括：
[0031]基于所述多个模型集输出多个识别结果；
[0032]对所述多个识别结果进行误差函数计算；
[0033]基于所述误差函数计算结果分别检验所述多个模型集是否满足预设误差阈值；
[0034]筛选出满足所述预设误差阈值的一个或多个模型集作为训练好的模型集。
[0035]在第二方面，提供一种电子设备，该电子设备包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述指纹图谱类型识别方法的技术方案中任一项技术方案所述的指纹图谱类型识别方法。
[0036]在第三方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述指纹图谱类型识别方法的技术方案中任一项技术方案所述的指纹图谱类型识别方法。
[0037]本专利技术上述一个或多个技术方案，至少具有如下一种或多种有益效果：
[0038]在实施本专利技术的技术方案中，首先获取待识别的指纹图谱，然后将待识别的指纹图谱输入由至少一个有效识别模型组成的模型集，得到指纹图谱类型识别结果；其中至少一个有效识别模型根据预设条件对训练好的识别模型筛选得到，其中识别模型基于对应的离子峰簇训练得到。通过上述实施方式，能够对待识别的指纹图谱整体进行分析，摆脱了传统方法依赖于识别个别特征峰的限制，因此识别结果更加准确，并且该指纹图谱类型识别方法不受样本来源限制，更加简单可靠，适用范围也更加广泛。
附图说明
[0039]参照附图，本专利技术的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本专利技术的保护范围组成限制。其中：
[0040]图1是根据本专利技术的一个实施例的指纹图谱类型识别方法的主要步骤流程示意图；
[0041]图2是根据本专利技术的一个实施例的获取模型集的主要步骤流程示意图；
[0042]图3是根据本专利技术的一个实施例的指纹图谱类型识别模型集的结构示意图；
[0043]图4是根据本专利技术的一个实施例的对多个识别模型进行训练的主要步骤流程示意
图；
[0044]图5是根据本专利技术的一个实施例的获取多个训练集的主要步骤流程示意图；
[0045]图6是根据本专利技术的一个实施例的多个指纹图谱的离子峰集合示意图；
[0046]图7是根据本专利技术的一个实施例的将离子峰集合划分为多个离子峰簇的主要步骤流程示意图；
[0047]图8是根据本专利技术的一个实施例的将离子峰集合划分为多个离子峰簇的示意图；
[0048]图9是根据本专利技术的一个实施例的多个训练好的识别模型的示意图；
[0049]图10是根据本专利技术的一个实施例的根据预设条件对多个训练好的识别模型进行筛选的主要步骤流程示意图；
[0050]图11是根据本专利技术的一个实施例的将多个有效识别模型进行组合，得到模型集的示意图；
[0051]图12是根据本专利技术的另一个实施例的指纹图谱类型识别方法的主要步骤流程示意图；
[0052]图13是根据本专利技术的一个实施例的指纹图谱类型识别方法的主要流程示意图；
[0053]图14是根据本专利技术的一个电子设备实施例的主要结构示意图。
[0054]附图标记列表：
[0055]301：获取模块；302：处理模块；303：分簇模块；304：训练模块；305：筛选模块；306：组合模块；307：验证模块；1401：处理器；1402：存储装置。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种指纹图谱类型识别方法，其特征在于，所述方法包括：获取待识别的指纹图谱；将所述待识别的指纹图谱输入由至少一个有效识别模型组成的模型集，得到指纹图谱类型识别结果，其中所述至少一个有效识别模型根据预设条件对训练好的识别模型筛选得到，其中所述识别模型基于对应的离子峰簇训练得到。2.根据权利要求1所述的方法，其特征在于，所述方法还包括获取模型集，其中所述获取模型集具体包括：对多个识别模型进行训练，得到多个训练好的识别模型；根据所述预设条件对所述多个训练好的识别模型进行筛选，得到至少一个有效识别模型；将所述至少一个有效识别模型进行组合，得到所述模型集。3.根据权利要求2所述的方法，其特征在于，所述对多个识别模型进行训练包括：获取多个训练集，其中，所述每个训练集为对应的标注了类型标签的离子峰簇；将每个训练集输入对应的识别模型，分别对对应的识别模型进行训练。4.根据权利要求3所述的方法，其特征在于，所述获取多个训练集包括：获取标注了类型标签的多个指纹图谱；对所述多个指纹图谱进行归一化处理，得到所述多个指纹图谱的离子峰集合；将所述离子峰集合划分为至少一个离子峰簇。5.根据权利要求4所述的方法，其特征在于，所述将所述离子峰集合划分为至少一个离子峰簇，包括：获取所述离子峰集合中多个离子峰分布的密集程度；根据所述密集程度将所述多个离子峰划分为至少一个所述离子峰簇。6.根据权利要求2所...

【专利技术属性】
技术研发人员：李国涛，
申请(专利权)人：融智生物科技青岛有限公司，
类型：发明
国别省市：