买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：三亚罗盘星科技有限公司

摘要：一种用于水污染物识别的三维荧光光谱生成方法，采用在WassersteinAuto‑EncoderWAE模型的基础上进行改进；在编码阶段，将三维荧光光谱数据作为输入数据，一方面通过卷积提取到局部特征；另一方面通过具有保留自注意力机制的RMT网络结构获取全局特征，将二者结合最终得到目标特征，放入解码器后生成真实且多样的三维荧光光谱数据。本发明不仅扩大了三维荧光光谱数据样本的数量并使其兼具一定差异性，同时该模型还具备泛用性，在后续的水污染物识别中，有利于对各类水环境污染物进行生成，解决了数据量不足的问题，也解决了一定的过拟合现象，提高模型识别精度和鲁棒性。

主权项：1.一种用于水污染物识别的三维荧光光谱生成方法，其特征在于，所述方法包括以下步骤：1将三维荧光光谱数据转化为图片格式并保存，过程如下：将光谱数据按照公式1进行归一化，在按照公式2转化为灰度值； P＝F*2552其中，f是三维荧光光谱数据，F是归一化后的荧光强度值，stdx为光谱数据的标准差，meanx为光谱数据的均值，P是转化为图片后的像素值；为保证训练集的准确度，要保存格式为tiff的图片以便保留小数，即三维荧光光谱图片数据集Real；2将三维荧光光谱图片数据集Real进行编码，过程如下：21利用卷积网络结构提取局部特征U，推断网络中的卷积网络结构包含4个卷积层，2个全连接层，经过卷积网络将数据集映射到低位潜在空间，作为提取到的局部特征U保留并供后续需求；22利用RMT模块提取全局特征，数据要先通过Patch框架切分成一个个token，再经过ReSA框架实现保留自注意力机制，以及DWC框架实现局部信息增强机制，之后再通过LN框架和FFN框架得到进一步丰富的全局特征信息；3将步骤21和步骤22的局部特征和全局特征进行整合，过程为：由公式3计算，特征信息中的元素对应相加得到终值特征M；M[k]＝U[k]+T[k]3其中k＝1,2,3…W,W为维度参数，即元素的个数；4解码得到三维荧光光谱生成数据Fake，解码器是由4个反卷积层和1个全连接层构成，终值特征M进入解码器以此恢复信息得到三维荧光光谱生成数据Fake；5计算损失并优化参数，过程为：总损失函数看作重构损失Recon_loss加上MMD损失MMD_loss：DWAE＝Recon_loss+MMD_loss4重构损失是通过交叉熵损失函数计算得出，如公式5所示 其中，Fakei为三维荧光光谱生成数据，Reali为三维荧光光谱真实数据；MMD损失是通过最大均值差异计算得出，如公式6所示 其中，Mi为三维荧光光谱数据通过编码器后的终值特征，n为终值特征的维度长度，NJ为与三维荧光光谱数据维度相同的标准正态分布随机数，m为三维荧光光谱数据维度长度；采用Adam优化器，利用间隔调整法StepLR调整学习率，通过反向传播更新模型参数，最终得到训练好的WAE-RMT生成模型。

全文数据：

权利要求：

百度查询： 三亚罗盘星科技有限公司 一种用于水污染物识别的三维荧光光谱生成方法