1.一种基于迁移学习的葡萄糖浓度预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于迁移学习的葡萄糖浓度预测方法，其特征在于，基于数据集的特征数据以及标签数据，对所述第一数据集以及第二数据集分别进行数据重组，得到与第一数据集对应的源域数据以及与第二数据集对应的目标域数据，具体包括：
3.根据权利要求1所述的一种基于迁移学习的葡萄糖浓度预测方法，其特征在于，在基于预设elm网络模型的输出权重，并根据所述源域数据中训练样本的损失特征，得到关于所述输出权重的优化目标函数之前，所述方法还包括：
4.根据权利要求3所述的一种基于迁移学习的葡萄糖浓度预测方法，其特征在于，在得到所述elm网络模型的隐藏层h(x)之后，所述方法还包括：
5.根据权利要求3所述的一种基于迁移学习的葡萄糖浓度预测方法，其特征在于，在得到所述elm网络模型的逆矩阵输出权重β*之后，所述方法还包括：
6.根据权利要求1所述的一种基于迁移学习的葡萄糖浓度预测方法，其特征在于，基于预设elm网络模型的输出权重，并根据所述源域数据中训练样本的损失特征，得到关于所述输出权重的优化目标函数，具体包括：
7.根据权利要求6所述的一种基于迁移学习的葡萄糖浓度预测方法，其特征在于，在得到优化权重之前，所述方法还包括：
8.根据权利要求1所述的一种基于迁移学习的葡萄糖浓度预测方法，其特征在于，通过所述域适应迁移算法daelm模型，对目标域数据中的葡萄糖浓度数据进行浓度预测，得到预测结果，具体包括：
9.根据权利要求1所述的一种基于迁移学习的葡萄糖浓度预测方法，其特征在于，在对目标域数据中的葡萄糖浓度数据进行浓度预测，得到预测结果之后，所述方法还包括：
10.一种基于迁移学习的葡萄糖浓度预测设备，其特征在于，所述设备包括：