[发明专利]一种基于生成对抗网络的半监督高光谱数据定量分析方法

摘要

本发明公开一种基于生成对抗网络的半监督高光谱数据定量分析方法，其步骤如下：(1)获取高光谱样本数据；(2)构建样本训练集与预测集，其中无标签的预测集样本也用于半监督训练；(3)构建基于生成对抗网络的回归网络，包括一个生成样本的生成器网络，和一个同时具有判别样本真伪与输出定量分析值功能的判别器/回归器网络；(4)构建生成对抗网络的损失函数，包括判别器损失函数，回归器损失函数，及具备样本分布匹配功能的生成器损失函数；(5)训练生成对抗网络；(6)采用训练好的回归器进行定量分析值的预测。本发明采用生成对抗网络来生成样本，并使用样本分布匹配策略来补充现有无标签样本集，提升了高光谱定量分析的精度。

主权项

1.一种基于生成对抗网络的半监督高光谱数据定量分析方法，其特征在于，包括如下步骤：S1.获取有标签的高光谱样本数据及无标签的高光谱样本数据；S2.构建样本训练集与预测集：将有标签的高光谱样本数据集D_label作为训练集，无标签的高光谱样本数据集D_unlabel作为预测集；S3.构建基于生成对抗网络的回归网络：S3‑1.构建一个由全连接层、卷积层、上采样层、输出层组成的生成器网络；S3‑2.构建一个由卷积层、池化层、输出层组成的判别器/回归器网络，该网络具有判别数据真伪与定量分析值两个输出；S4.构建生成对抗回归网络的损失函数：S4‑1.判别器/回归器的损失函数为有标签样本和无标签样本损失函数之和，其中无标签样本损失函数为真实无标签样本损失函数(L_{unlabel_real})与生成样本损失函数(L_{unlabel_fake})之和：L_D＝L_supervised+L_unsupervisedL_unsupervised＝L_{unlabel_real}+L_{unlabel_fake}S4‑2.生成器的损失函数为生成样本的损失函数(L′_{unlabel_fake})与样本分布匹配损失函数(L_distribution)之和：L_G＝L′_{unlabel_fake}+L_distribution其中样本分布匹配损失函数，是为了使生成样本和真实样本在样本空间中互为补集，从而达到抑制过拟合效果；S5.训练基于生成对抗的回归网络：采用梯度下降方法，交替训练判别器/回归器与生成器，直到训练集样本的定量分析预测值与标签值的均方根误差收敛至小于一个阈值或训练步数大于一个阈值；S6.采用训练好的生成对抗网络中的回归器得到预测集的定量分析预测值。