【技术实现步骤摘要】
一种傅里叶近红外干涉信号虚拟生成评价方法及系统
[0001]本专利技术属于信号生成与评价的
,具体地涉及一种傅里叶近红外干涉信号虚拟生成评价方法及系统
。
技术介绍
[0002]近红外光谱因其无损
、
分析速度快
、
环境友好等优点,近年来被广泛应用于各领域,它主要反映了含氢基团
(C
‑
H、N
‑
H、O
‑
H
等
)
振动的合频和倍频在不同化学环境中的吸收特性
。
一般情况下,
NIR
技术需要跟化学计量学方法结合,通过构建稳健的多元模型,对有机化合物的组成与性质进行测量,是一种便捷的测量技术,通常情况下,一个好的模型要求模型训练时包含足够多且具有代表性的样本,所以,样本的数量对模型的稳健性和精度影响很大,但在实际生活中,面临着稀缺数据难以获取,反例样本较少的情况,导致被采集的数据不能完整且准确地表达样本的特征空间,无法满足数据驱动建模的精度和适用性,因此为了增加模型的稳健性,需要开展虚拟样本的构建
。
[0003]生成对抗网络方法通常用于图像的生成,但在近红外光谱数据的生成方面,面临着一些独特的挑战,近红外光谱是一种用于分析物质成分的工具,其谱峰信息对于确定物质的特性至关重要,然而,与图像不同,近红外光谱的特征不是视觉特征,而是关于波长和吸收强度的数据,生成近红外光谱难度较大的原因之一是可见特征不足
。
通常情况下,近红 ...
【技术保护点】
【技术特征摘要】
1.
一种傅里叶近红外干涉信号虚拟生成评价方法,其特征在于,包括:获取实验样本,并使用
FT
‑
NIR
光谱仪采集所述实验样本的干涉信号,将所述实验样本的干涉信号进行导出,以得到初始样本数据;采用多项式平滑算法对所述初始样本数据进行平滑处理,将平滑后的数据作为样本真实数据;将所述样本真实数据输入预设虚拟生成模型中进行数据扩充,将数据扩充得到的数据作为样本虚拟数据;基于预设评价算法对所述样本虚拟数据进行数据评价,以得到所述样本虚拟数据的评价值,基于所述评价值对所述样本虚拟数据进行筛选,以得到可用虚拟数据,将所述可用虚拟数据添加到所述样本真实数据中;所述采用多项式平滑算法对所述初始样本数据进行平滑处理,将平滑后的数据作为样本真实数据的步骤具体为:采用预设平滑公式对所述初始样本数据在移动窗口内的数据进行多项式分解并使用最小二乘法对移动窗口内的数据进行数据拟合,以得到样本真实数据,其中,所述预设平滑公式为:,;式中,为样本真实数据,为归一化因子,为中点波长点左右两侧的窗口数量,为波长点的观测值,为平滑系数
。2.
根据权利要求1所述的傅里叶近红外干涉信号虚拟生成评价方法,其特征在于,在所述将所述样本真实数据输入预设虚拟生成模型中进行数据扩充,将数据扩充得到的数据作为样本虚拟数据的步骤中,预设虚拟模型为:;式中,为鉴别器,为生成器,为数学期望,为样本真实数据,表示的分布,表示来源于真实数据的分布,表示生成器生成的虚拟数据,表示的分布,表示输入的随机噪声信号,表示虚拟数据属于真实数据的概率
。3.
根据权利要求1所述的傅里叶近红外干涉信号虚拟生成评价方法,其特征在于,所述基于预设评价算法对所述样本虚拟数据进行数据评价,以得到所述样本虚拟数据的评价值,基于所述评价值对所述样本虚拟数据进行筛选,以得到可用虚拟数据的步骤包括:采用
PCCs
算法计算所述样本虚拟数据中数据的第一评价值,并基于所述第一评价值对所述样本虚拟数据中的数据进行第一次筛选,以得到第一筛选虚拟数据;通过
t
‑
SNE
算法将所述第一筛选虚拟数据与所述样本真实数据投影至二维空间中,并分别确定所述第一筛选虚拟数据的第一置信区间与所述样本真实数据的第二置信区间,基于所述第一置信区间与所述第二置信区间对所述第一筛选虚拟数据进行第二次筛选,以得到第二筛选虚拟数据;将所述第二筛选虚拟数据与所述样本真实数据输入预设识别模型中进行第三次筛选,
以得到可用虚拟数据
。4.
根据权利要求3所述的傅里叶近红外干涉信号虚拟生成评价方法,其特征在于,所述采用
PCCs
算法计算所述样本虚拟数据中数据的第一评价值,并基于所述第一评价值对所述样本虚拟数据中的数据进行第一次筛选,以得到第一筛选虚拟数据的步骤包括:通过
PCCs
计算公式计算所述样本虚拟数据中的数据的第一评价值:;式中,为第一评价值,为样本真实数据对应的点观测值,为样本虚拟数据对应的点观测值,为样本数量,为样本真实数据的平均值,为样本虚拟数据的平均值;将第一评价值小于评价阈值的数据从所述样本虚拟数据中剔除,以得到第一筛选虚拟数据
。5.
根据权利要求4所述的傅里叶近红外干涉信号虚拟生成评价方法,其特征在于,所述通过
t
‑
SNE
...
【专利技术属性】
技术研发人员:郝勇,李西艳,张承祥,吴智勇,
申请(专利权)人:华东交通大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。