本发明涉及机器学习模块下的迁移学习技术领域，提供一种基于CT‑CDD的红外光谱测量仪器标定迁移方法。首先，采集源域、目标域数据集{X^m,y^m}、{X^s}，使用KS算法划分出源域标定集并对其进行中心化；然后，对中心化后的源域标定集建立PLS标定模型；接着，计算主仪器的特征光谱T^m、从仪器的伪特征光谱利用OLS和数据集{T^m,y^m}通过交叉验证确定聚类数目K并对{T^m,y^m}和分别聚类，对子数据集建立第k个OLS模型并计算转换矩阵M_k；最后，对被测对象集合的物质浓度变量进行预测。本发明不需要使用标准样本来构建迁移模型，能够大大提高红外光谱测量仪器标定迁移的精度和效率。