用于电子鼻多变量时间序列数据增强的生成对抗网络方法

本发明公开了一种用于电子鼻多变量时间序列数据增强的生成对抗网络方法，其包括为电子鼻数据集中每个类别的数据单独拟合一个高斯混合模型，)对生成对抗网络进行对抗训练，所述生成对抗网络包括生成器和判别器；用训练好的生成器生成增强数据。本发明方法通过在噪声潜在空间与生成数据之间施加分布一致性约束，缓解了生成对抗网络在时间序列数据生成中常见的模式崩溃问题，使生成数据更符合真实数据分布，且采用的总损失LR3结合了梯度惩罚策略，显著提高了模型训练的稳定性，缓解了生成对抗网络训练过程中常见的不稳定性问题，并提升了生成数据的质量。