[發明專利]基于生成對抗網絡的電子鼻數據校正方法

在審

• 申請號: 202210138121.7
• 申請日: 2022-02-15
• 公開（公告）號: CN114511031A
• 公開（公告）日: 2022-05-17
• 發明（設計）人: 劉然;陳希;毛虎;田逢春;錢君輝;崔珊珊;王斐斐;陳丹;陳鑫;任席偉;王仕丹
• 申請（專利權）人: 重慶大學;勒威半導體技術（嘉興）有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶信航知識產權代理有限公司 50218
• 代理人: 吳彬

本發明基于生成對抗網絡的電子鼻數據校正方法，其包括1)搭建命名為FEDA的神經網絡，2)進行領域對抗訓練：分別在特征提取器G_f和域判別器G_d上添加一個梯度反轉層，首先在數據正向傳播過程中訓練特征提取器G_f學習到域不變特征，從而讓域判別器G_d無法區分特征是來自源域和還是目標域，再通過最小化域分類損失L_d來訓練域判別器G_d，使得域判別器G_d可以區分源域和目標域特征；然后在數據反向傳播經過梯度反轉層的時候反轉梯度，讓特征提取器G_f無法正確判斷領域不變特征，以此完成對抗訓練。本發明基于生成對抗網絡的電子鼻數據校正方法，降低了源域和目標域的分布差異，增加了類內同質性，解決電子鼻數據的域適應問題，能提高對傳感器漂移數據集的分類正確率。

技術領域

本發明涉及傳感器數據識別技術領域，特別涉及一種電子鼻數據的校正方法。

背景技術

傳感器漂移是指在輸入量不變的情況下，傳感器輸出量隨著時間變化的現象。引起傳感器漂移的一個原因是傳感器老化、中毒或者環境波動等非主觀因素，由此產生的傳感器漂移數據集包括長期漂移集和短期漂移數據集。引起傳感器漂移的一個原因是板間差異，即傳感器及相應的硬件在制造時產生的偏差，由此產生的傳感器漂移數據為板間差異數據集。除了時間漂移和板間漂移，更復雜的情況是傳感器既存在時間漂移也存在板間漂移，由此產生的傳感器漂移數據集為混合漂移數據集。

機器學習的默認假設是訓練集和測試數據是獨立同分布的。上述兩個現象導致了現有的模型無法對產生漂移(傳感器漂移和板間差異統稱漂移)的數據進行準確分類。具體到電子鼻系統領域，傳感器漂移是電子鼻系統不可規避的一個問題，電子鼻數據因時間漂移或板間差異導致了數據分布不一致，進而導致了數據集之間的類內非同質性，影響機器學習模型的分類準確率，進而限制了電子鼻系統的推廣和應用。

發明內容

有鑒于此，本發明的目的是提供一種基于生成對抗網絡的電子鼻數據校正方法，以解決傳感器漂移問題導致電子數據分布不一致，進而導致了數據集之間的類內非同質性的技術問題。

本發明基于生成對抗網絡的電子鼻數據校正方法包括以下步驟：

1)搭建命名為FEDA的神經網絡，所述FEDA包括用于提取源域和目標域的域不變特征的特征提取器G_f、用來區分數據來自源域和目標域的域判別器G_d、用于計算域不變特征的L2范數損失的L2范數模塊G_l、用于數據類別的分類的標簽分類器G_y、用于計算類熵損失的類條件概率熵G_e和用于進行梯度反轉的梯度反轉層，所述梯度反轉層連接在特征提取器G_f和域判別器G_d之間，

所述特征提取器G_f的輸出作為類條件概率熵G_e，域判別器G_d，L2范數模塊G_l，以及標簽分類器G_y的輸入；把數據分為標簽豐富的源域和無標簽的目標域，定義源域其中n_s表示源域樣本數量，表示源域的第i個樣本，表示源域第i個樣本的標簽；其中n_t表示源域樣本數量，表示目標域第j個樣本；源域數據的分布為P(X_s,Y_s)，目標域數據分布為Q(X_t,Y_t)，P≠Q；