适用于卷积神经网络的光谱处理方法

本发明主要涉及光谱数据处理技术领域，为了解决传卷积统神经网络在处理一维光谱数据时，难以捕捉光谱分散特征波长，导致卷积神经网络进行分类或目的预测准确率不高的问题，本发明提供一种适用于卷积神经网络的光谱处理方法，其核心思想是：设置目标样本变量，基于目标样本变量通过竞争性自适应重加权算法从原始光谱的M个波长点中筛选出a个与样本目标变量相关性高的波长点作为特征波长点，将特征波长点设定为固定波长点组合；将原始光谱分别按照多种预处理方式进行预处理；将经过预处理后的每条光谱的固定波长点组合和其余M‑a个波长点分别按照生成的K个随机序列进行排序，生成光谱矩阵数据；基于生成的光谱矩阵数据对卷积神经网络进行训练。