基于考虑光谱一阶微分约束的WGAN-GP模型的近红外光谱分类识别方法技术

本发明专利技术公开了基于考虑光谱一阶微分约束的WGAN‑GP模型的近红外光谱分类识别方法，属于近红外光谱分类识别技术领域。本发明专利技术基于WGAN‑GP模型及其目标损失函数，通过增加光谱一阶微分向量，得到考虑光谱一阶微分约束的WGAN‑GP改进模型及其目标损失函数；通过考虑光谱一阶微分约束的WGAN‑GP改进模型生成近红外光谱曲线，整合为生成光谱数据集后进行分类器训练集数据增强；设定了分类器的训练集和测试集，并由分类器输出近红外光谱分类识别结果。本发明专利技术通过WGAN‑GP改进模型进行分类器训练集数据增强，有效提升了分类器的光谱分类精度，可以应用于近红外光谱分类识别。

【技术实现步骤摘要】

本专利技术涉及近红外光谱分类识别方法，尤其涉及基于考虑光谱一阶微分约束的wgan-gp模型的近红外光谱分类识别方法，属于近红外光谱分类识别。

技术介绍

1、近些年，深度学习网络发展迅速，已经在计算机视觉图像处理领域得到广泛的研究和应用，在深度学习网络中，生成模型是一个重要的研究分支，它可以生成高度逼真的自然景物图像。生成模型的种类繁多，典型的生成模型有生成对抗网络(generativeadversarial networks，gan)和变分自编码器(variational auto-encoder，vae)等主流模型；在这些生成模型中，对抗生成网络最具有代表性，它具有很多的改进版本。例如，结合卷积神经网络的生成对抗网络(deep convolutional gan，dcgan)，引入新的训练机制的生成对抗网络(boundary equilibrium gan，began),引入wasserstein距离的生成对抗网络(wasserstein gan，wgan)等改进模型，这些改进模型主要是解决生成对抗网络训练过程中收敛困难的问题，这些问题包括陷入局部极小值本文档来自技高网...

【技术保护点】

1.基于考虑光谱一阶微分约束的WGAN-GP模型的近红外光谱分类识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于考虑光谱一阶微分约束的WGAN-GP模型的近红外光谱分类识别方法，其特征在于，所述S1中，WGAN-GP模型的目标损失函数L表示为：

【技术特征摘要】

1.基于考虑光谱一阶微分约束的wgan-gp模型的近红外光谱分类识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的...

【专利技术属性】
技术研发人员：赵鹏，李振宇，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：