[發明專利]一種DCGAN光譜數據擴充方法

在審

• 申請號: 202010179231.9
• 申請日: 2020-03-13
• 公開（公告）號: CN113390848A
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 李彥暉;吳鵬飛;劉勇飛;殷琳琳
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G01N21/65
• 分類號: G01N21/65;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種DCGAN光譜數據擴充方法，其特征是：在原始GAN的基礎上引入卷積，借助卷積層的特征提取能力，提取拉曼光譜的深層特征，生成高度相似的光譜，其方法包括如下步驟：

(1)使用深度卷積生成對抗網絡和新光譜，并輸入CNN進行分類；

(2)利用對抗網絡生成圖片，并輸入隨機噪聲，判別圖片真實度；

(3)訓練生成網絡，通過給定判別網絡參數達到優化生成網絡的目的，這樣判別網絡無法識別“假”樣本，能夠輸出的都是真樣本的較大概率值，映射到函數內就是最大化D(G(z))，亦即最小化1-D(G(z))；

(4)訓練判別網絡，同上，給定生成網絡的參數達到優化判別網絡的目的，這樣能大大提高判別網絡的精度，這里期望真實圖像x能夠輸出較大的概率值，也就是最大化D(x)；對于生成樣本G(z)，最小化D(G(z))。因此得到訓練判別網絡時的目標函數優化目標：lnD(x)+ln(1-D(G(x)))；

最終得到目標函數：

訓練判別網絡的標準，即給定生成網絡，最大化V(D,G)：

max V(D,G)＝∫_xP_data(x)ln(D(x))dx+∫_zP_z(z)ln(1-D(G(z)))dz＝∫_x[P_data(x)ln(D(x))+P_g(x)ln(1-D(x))]]dx (2)

這里希望方程(2)最大，這需要方程中的每一個x都讓

P_data(x)ln(D(x))+P_g(x)ln(1-D(x)) (3)

取得最大值。這里x，P_data(x)，P_g(x)都是固定值，顯然有：對任意非零的P_data(x)，P_g(x)，且實數值D(x)∈[0,1]時，函數(3)在P_data(x)/(P_data(x)+P_g(x))處取得最大值，列出最優的生成網絡D的函數：

對生成網絡進行優化時，有P_data＝P_g時生成網絡取得最優解，使得生成網絡更好地再現真實樣本的分布；

(5)將DCGAN中卷積層的卷積核修改為一維向量卷積核，使之能夠處理拉曼光譜數據。