摘要
本发明公开了基于自编码器与生成对抗网络的电子鼻数据生成方法,包括:构建电子鼻数据集S;构建高斯混合嵌入生成对抗网络模型GMEGAN;通过电子鼻数据集S对高斯混合嵌入生成对抗网络模型进行训练;基于重构采样法或先验采样法利用训练后的高斯混合嵌入生成对抗网络模型进行数据扩增;构建第一电子鼻数据集S';通过第一电子鼻数据集S'对训练后的高斯混合嵌入生成对抗网络模型再次进行训练;基于先验采样法利用再次训练后的高斯混合嵌入生成对抗网络模型进行数据迁移。本发明通过生成模型生成出大量具备相似类别特征的生成数据,增加数据分布密度,降低分类模型过拟合,并提高了对电子鼻数据的分类效果。
技术关键词
生成对抗网络模型
辅助分类器
数据生成方法
电子鼻
高斯混合模型
编码器
样本
重构
数据分布
变量
条件生成对抗网络
数据迁移
蒙特卡洛
输出特征
解码
采样方法
周期
系统为您推荐了相关专利信息
光纤
异常检测方法
布里渊散射谱
BOTDR系统
重建误差
主动控制系统
生成对抗网络模型
主动气流控制
深度强化学习模型
控制模块
历史运行数据
场景类别
车辆行驶状态
风险预警方法
三维高斯混合模型