JP2018185328A5 - - Google Patents

Claims (20)

1. 第１装置によって、グローバル分類モデルを生成するステップと、
   前記第１装置によって、前記グローバル分類モデルが検証閾値を満足することを決定するステップと、
   前記第１装置によって及び前記グローバル分類モデルが前記検証閾値を満足することの決定に基づいて、前記グローバル分類モデルを、第１スペクトロメータと関連する第２装置に提供するステップと、
   前記第１装置によって及び前記グローバル分類モデルが前記検証閾値を満足することの決定に基づいて、前記グローバル分類モデルを、第２スペクトロメータと関連する第３装置に提供するステップと、を含む、
   ことを特徴とする方法。
2. 前記グローバル分類モデルを生成するために、ｈｉｅｒ−サポートベクトルマシン（ＳＶＭ）−リニアクラシファイア技術を選択するステップを、更に含む、
   ことを特徴とする請求項１に記載の方法。
3. 一以上の他のクラシファイアに対して前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術を試験するステップを更に含み、
   前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術を選択するステップは、一以上の他のクラシファイアに対する前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術の試験に基づいて、前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術を選択するステップを含む、
   ことを特徴とする請求項２に記載の方法。
4. 前記グローバル分類モデルが前記検証閾値を満足することを決定するステップは、
   前記グローバル分類モデルが前記検証閾値を超える精度を有することを決定するステップを含む、
   ことを特徴とする請求項１に記載の方法。
5. 前記グローバル分類モデルは、前記第１スペクトロメータで実行される分光測定に原料識別（ＲＭＩＤ）を実行するときに利用される
   ことを特徴とする請求項１に記載の方法。
6. 一組の分光測定の結果を識別する情報を受信するステップを更に含み、
   前記グローバル分類モデルを生成するステップは、前記一組の分光測定の結果を識別する情報に基づいて前記グローバル分類モデルを生成するステップを含む、
   ことを特徴とする請求項１に記載の方法。
7. 前記一組の分光測定の結果を識別する情報は、複数のスペクトロメータから受信する
   ことを特徴とする請求項６に記載の方法。
8. 一以上のメモリと、
   前記一以上のメモリと通信可能に結合された一以上のプロセッサであって、
   グローバル分類モデルを生成し、
   前記グローバル分類モデルが検証閾値を満足することを決定し、
   前記グローバル分類モデルが前記検証閾値を満足することの決定に基づいて、前記グローバル分類モデルを第１スペクトロメータと関連する第２装置に提供し、
   前記グローバル分類モデルが前記検証閾値を満足することの決定に基づいて、前記グローバル分類モデルを第２スペクトロメータと関連する第３装置に提供するように、構成されている一以上のプロセッサと、
   を備えることを特徴とする第１装置。
9. 前記一以上のプロセッサは更に、
   前記グローバル分類モデルを生成するために、ｈｉｅｒ−サポートベクトルマシン（ＳＶＭ）−リニアクラシファイア技術を選択するように構成されている、
   ことを特徴とする請求項８に記載の第１装置。
10. 前記一以上のプロセッサは更に、
    一以上の他のクラシファイアに対して前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術を試験するように構成されており、
    前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術を選択することは、一以上の他のクラシファイアに対する前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術の試験に基づいて、前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術を選択することを含む、
    ことを特徴とする請求項９に記載の第１装置。
11. 前記グローバル分類モデルが前記検証閾値を満足することを決定するとき、前記一以上のプロセッサは更に、前記グローバル分類モデルが前記検証閾値を超える精度を有することを決定するように構成されている、
    ことを特徴とする請求項８に記載の第１装置。
12. 前記グローバル分類モデルは、前記第１スペクトロメータで実行される光学測定に原料識別（ＲＭＩＤ）を実行するときに利用される、
    ことを特徴とする請求項８に記載の第１装置。
13. 前記一以上のプロセッサは更に、
    一組の分光測定の結果を識別する情報を受信し、
    前記グローバル分類モデルを生成するとき、前記一以上のプロセッサは、前記一組の分光測定の結果を識別する情報に基づいて、前記グローバル分類モデルを生成するように構成されている、
    ことを特徴とする請求項８に記載の第１装置。
14. 前記一組の分光測定の結果を識別する情報は、複数のスペクトロメータから受信する、
    ことを特徴とする請求項１３に記載の第１装置。
15. 命令を格納する非トランジトリコンピュータ可読媒体であって、前記命令は、第１装置の一以上のプロセッサにより実行されるとき、前記一以上のプロセッサに、
    グローバル分類モデルを生成させ、
    前記グローバル分類モデルが検証閾値を満足することを決定させ、
    前記グローバル分類モデルが前記検証閾値を満足することの決定に基づいて、前記グローバル分類モデルを、第１スペクトロメータと関連する第２装置に提供させ、
    前記グローバル分類モデルが前記検証閾値を満足することの決定に基づいて、前記グローバル分類モデルを、第２スペクトロメータと関連する第３装置に提供させる、
    一以上の命令を含む、
    ことを特徴とする非トランジトリコンピュータ可読媒体。
16. 前記一以上の命令は、前記一以上のプロセッサによって実行されるとき、更に前記一以上のプロセッサに、
    グローバル分類モデルを生成するために、ｈｉｅｒ−サポートベクトルマシン（ＳＶＭ）−リニアクラシファイア技術を選択させる、
    ことを特徴とする請求項１５に記載の非トランジトリコンピュータ可読媒体。
17. 前記一以上の命令は、前記一以上のプロセッサによって実行されるとき、更に前記一以上のプロセッサに、
    一以上の他のクラシファイアに対して前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術を試験させ、
    前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術を選択させることは、一以上の他のクラシファイアに対する前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術の試験に基づいて、前記ｈｉｅｒ−ＳＶＭ−リニアクラシファイア技術を選択させることを含む、
    ことを特徴とする請求項１６に記載の非トランジトリコンピュータ可読媒体。
18. 前記グローバル分類モデルが前記検証閾値を満足することを決定させる前記一以上の命令は、
    前記グローバル分類モデルが前記検証閾値を超える精度を有することを決定させる一以上の命令を含む、
    ことを特徴とする請求項１５に記載の非トランジトリコンピュータ可読媒体。
19. 前記グローバル分類モデルは、前記第１スペクトロメータで実行される光学測定に原料識別（ＲＭＩＤ）を実行するときに利用される、
    ことを特徴とする請求項１５に記載の非トランジトリコンピュータ可読媒体。
20. 前記一以上の命令は、前記一以上のプロセッサによって実行されるとき、更に前記一以上のプロセッサに、
    一組の分光測定の結果を識別する情報を受信させ、
    前記グローバル分類モデルを生成させる一以上の命令は、前記一組の分光測定の結果を識別する情報に基づいて前記グローバル分類モデルを生成させる一以上の命令を含む、
    ことを特徴とする請求項１５に記載の非トランジトリコンピュータ可読媒体。