基于DRS-VGG的端到端深度学习拉曼光谱数据分类方法
基本信息
| 申请号 | CN202210368912.9 | 申请日 | - |
| 公开（公告）号 | CN114692773A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114692773A | 申请公布日 | 2022-07-01 |
| 分类号 | G06K9/62（2022.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06T3/40（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 周猛飞;胡寅朝;郭添;余奇清;孙小方;蔡亦军 | 申请（专利权）人 | 浙江工业大学 |
| 代理机构 | 杭州求是专利事务所有限公司 | 代理人 | - |
| 地址 | 310014浙江省杭州市下城区潮王路18号 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开一种基于Deep Residual Shrinkage‑VGG的端到端深度学习的分类方法，包括：获取拉曼光谱数据，进行一阶样条插值处理且补零，随机打乱后划分成训练集、验证集和测试集；构建一个基于Deep ResidualShrinkage‑VGG的端到端深度学习的分类模型；使用训练集训练该分类模型，使用验证集对模型的超参数进行调整；使用测试集测试该性能。本发明提出的方法，无需光谱数据校正预处理，适用于高噪声、小样本、超多分类的拉曼光谱数据，提高了拉曼光谱数据分类问题的正确率与适用性，在一定程度上改善了深层深度学习网络模型的训练过慢的问题。 |
