[發(fā)明專利]一種DCGAN光譜數(shù)據(jù)擴充方法

在審

• 申請?zhí)枺?/td>: 202010179231.9
• 申請日: 2020-03-13
• 公開（公告）號: CN113390848A
• 公開（公告）日: 2021-09-14
• 發(fā)明（設(shè)計）人: 李彥暉;吳鵬飛;劉勇飛;殷琳琳
• 申請（專利權(quán)）人: 桂林電子科技大學(xué)
• 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

本發(fā)明公開了一種DCGAN光譜數(shù)據(jù)擴充方法，是在原始GAN的基礎(chǔ)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。相比紅外光譜法，拉曼光譜提供的是無損定性定量分析，對樣品無特殊要求，短時簡便高靈敏度，避免了因為樣品的破壞或者樣品自身的缺陷導(dǎo)致的誤差，生成光譜的失真程度對比原始光譜差異較小，且生成的光譜較好的保留了原始譜圖的信息。

技術(shù)領(lǐng)域

本發(fā)明涉及光譜計量學(xué)領(lǐng)域，具體是一種DCGAN光譜數(shù)據(jù)擴充方法。

背景技術(shù)

食品藥品的安全一直是人們重點關(guān)注的對象，常用的食品藥品檢測手段有吸收系數(shù)法、化學(xué)法和HPLC等，這些檢測方法不僅繁瑣，而且局限于實驗室，因此需要一種可以快速檢測的手段，近年來發(fā)展較好是近紅外光譜檢測和拉曼光譜檢測，其中拉曼光譜檢測技術(shù)是基于拉曼光譜的光子指痕而產(chǎn)生的一種檢測技術(shù)，當(dāng)光沖擊到物體分子上時會發(fā)生彈性散射，額外會有少量光子發(fā)生非彈性散射，這些光子就是拉曼光子，拉曼光子轉(zhuǎn)移能量到分子上，產(chǎn)生位移散射光，位移的距離就是分子的信息。不同的距離長短對應(yīng)了不同的分子結(jié)構(gòu)，由此產(chǎn)生拉曼光譜圖。根據(jù)光譜圖可以明確樣品化學(xué)與分子信息和含量。

由于儀器和方法的改進升級，使用拉曼分析對食品藥品進行鑒別和分類得到了廣泛應(yīng)用。將深度學(xué)習(xí)應(yīng)用到光譜學(xué)是必然趨勢。現(xiàn)有拉曼光譜采集需要較高的人力和時間成本，采集到的數(shù)據(jù)樣本量較少和存在干擾因素，不能滿足深度學(xué)習(xí)需要用大樣本進行訓(xùn)練的條件，因此將深度學(xué)習(xí)應(yīng)用在拉曼光譜中的方法較少。

發(fā)明內(nèi)容

鑒于此，本發(fā)明的目的是要提供一種DCGAN光譜數(shù)據(jù)擴充方法。

一種DCGAN光譜數(shù)據(jù)擴充方法，是在原始GAN的基礎(chǔ)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(wǎng)絡(luò)和新光譜，并輸入CNN進行分類；

(2)利用對抗網(wǎng)絡(luò)生成圖片，并輸入隨機噪聲，判別圖片真實度；

(3)訓(xùn)練生成網(wǎng)絡(luò)，通過給定判別網(wǎng)絡(luò)參數(shù)達到優(yōu)化生成網(wǎng)絡(luò)的目的，這樣判別網(wǎng)絡(luò)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(shù)內(nèi)就是最大化D(G(z))，亦即最小化1-D(G(z))；

(4)訓(xùn)練判別網(wǎng)絡(luò)，同上，給定生成網(wǎng)絡(luò)的參數(shù)達到優(yōu)化判別網(wǎng)絡(luò)的目的，這樣能大大提高判別網(wǎng)絡(luò)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(xùn)練判別網(wǎng)絡(luò)時的目標(biāo)函數(shù)優(yōu)化目標(biāo)：lnD(x)+ln(1-D(G(x)))；

最終得到目標(biāo)函數(shù)：

訓(xùn)練判別網(wǎng)絡(luò)的標(biāo)準(zhǔn)，即給定生成網(wǎng)絡(luò)，最大化V(D,G)：

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(shù)值D(x)∈[0,1]時，函數(shù)(3)在P_data(x)/(P_data(x)+P_g(x))處取得最大值，列出最優(yōu)的生成網(wǎng)絡(luò)D的函數(shù)：

對生成網(wǎng)絡(luò)進行優(yōu)化時，有P_data＝P_g時生成網(wǎng)絡(luò)取得最優(yōu)解，使得生成網(wǎng)絡(luò)更好地再現(xiàn)真實樣本的分布；