1.一种傅里叶近红外干涉信号虚拟生成评价方法,其特征在于,包括:获取实验样本,并使用FT‑NIR光谱仪采集所述实验样本的干涉信号,将所述实验样本的干涉信号进行导出,以得到初始样本数据;
采用多项式平滑算法对所述初始样本数据进行平滑处理,将平滑后的数据作为样本真实数据;
将所述样本真实数据输入预设虚拟生成模型中进行数据扩充,将数据扩充得到的数据作为样本虚拟数据;
基于预设评价算法对所述样本虚拟数据进行数据评价,以得到所述样本虚拟数据的评价值,基于所述评价值对所述样本虚拟数据进行筛选,以得到可用虚拟数据,将所述可用虚拟数据添加到所述样本真实数据中;
所述采用多项式平滑算法对所述初始样本数据进行平滑处理,将平滑后的数据作为样本真实数据的步骤具体为:采用预设平滑公式对所述初始样本数据在移动窗口内的数据进行多项式分解并使用最小二乘法对移动窗口内的数据进行数据拟合,以得到样本真实数据,其中,所述预设平滑公式为:, ;
式中, 为样本真实数据,为归一化因子, 为中点波长点 左右两侧的窗口数量, 为 波长点的观测值, 为平滑系数;
在所述将所述样本真实数据输入预设虚拟生成模型中进行数据扩充,将数据扩充得到的数据作为样本虚拟数据的步骤中,预设虚拟模型为:;
式中,为鉴别器,为生成器,为数学期望,为样本真实数据, 表示 的分布, 表示 来源于真实数据的分布, 表示生成器生成的虚拟数据, 表示的分布,表示输入的随机噪声信号, 表示虚拟数据属于真实数据的概率;
所述基于预设评价算法对所述样本虚拟数据进行数据评价,以得到所述样本虚拟数据的评价值,基于所述评价值对所述样本虚拟数据进行筛选,以得到可用虚拟数据的步骤包括:采用PCCs算法计算所述样本虚拟数据中数据的第一评价值,并基于所述第一评价值对所述样本虚拟数据中的数据进行第一次筛选,以得到第一筛选虚拟数据;
通过t‑SNE算法将所述第一筛选虚拟数据与所述样本真实数据投影至二维空间中,并分别确定所述第一筛选虚拟数据的第一置信区间与所述样本真实数据的第二置信区间,基于所述第一置信区间与所述第二置信区间对所述第一筛选虚拟数据进行第二次筛选,以得到第二筛选虚拟数据;
将所述第二筛选虚拟数据与所述样本真实数据输入预设识别模型中进行第三次筛选,以得到可用虚拟数据;
在所述将所述第二筛选虚拟数据与所述样本真实数据输入预设识别模型中进行第三次筛选,以得到可用虚拟数据的步骤中,所述预设识别模型具体为PLS‑DA模型。
2.根据权利要求1所述的傅里叶近红外干涉信号虚拟生成评价方法,其特征在于,所述采用PCCs算法计算所述样本虚拟数据中数据的第一评价值,并基于所述第一评价值对所述样本虚拟数据中的数据进行第一次筛选,以得到第一筛选虚拟数据的步骤包括:通过PCCs计算公式计算所述样本虚拟数据中的数据的第一评价值:;
式中, 为第一评价值, 为样本真实数据对应的 点观测值, 为样本虚拟数据对应的点观测值,为样本数量,为样本真实数据的平均值,为样本虚拟数据的平均值;
将第一评价值小于评价阈值的数据从所述样本虚拟数据中剔除,以得到第一筛选虚拟数据。
3.根据权利要求2所述的傅里叶近红外干涉信号虚拟生成评价方法,其特征在于,所述通过t‑SNE算法将所述第一筛选虚拟数据与所述样本真实数据投影至二维空间中,并分别确定所述第一筛选虚拟数据的第一置信区间与所述样本真实数据的第二置信区间,基于所述第一置信区间与所述第二置信区间对所述第一筛选虚拟数据进行第二次筛选,以得到第二筛选虚拟数据的步骤包括:在所述第一筛选虚拟数据与所述样本真实数据中选取高维空间离群点 ,并根据所述高维空间离群点 计算成对数据点的邻近概率:;
;
式中, 为其他数据点, 为高斯分布的方差, 表示 为 的邻近点的概率, 为高维数据, 表示 为 的邻近点的概率,为数据点的总数, 为 的联合概率分布;
初始化低维数据 ,并计算低维数据的联合概率分布:
;
式中, 、 、 分别为 、 、 的低维表示, 为 的联合概率分布;
基于低维数据的联合概率分布与成对数据点的邻近概率对所述低维数据进行迭代更新,以得到更新低维数据:;
;
;
式中,为代价函数, 、 、 分别为第 次、第 次、第 次迭代后的低维数据,为学习率, 为momentum项系数;
将所述更新低维数据映射至二维空间中并分别绘制所述第一筛选虚拟数据的第一置信区间与所述样本真实数据的第二置信区间,对比所述第一置信区间与所述第二置信区间的差值以评估所述第一筛选虚拟数据的质量并将所述第一置信区间内的第一筛选虚拟数据进行保留,以得到第二筛选虚拟数据。
4.一种傅里叶近红外干涉信号虚拟生成评价系统,其特征在于,所述系统包括:数据获取模块,用于获取实验样本,并使用FT‑NIR光谱仪采集所述实验样本的干涉信号,将所述实验样本的干涉信号进行导出,以得到初始样本数据;
数据处理模块,用于采用多项式平滑算法对所述初始样本数据进行平滑处理,以得到样本真实数据;
数据扩充模块,用于将所述样本真实数据输入预设虚拟生成模型中进行数据扩充,将数据扩充得到的数据作为样本虚拟数据;
数据评价模块,用于基于预设评价算法对所述样本虚拟数据进行数据评价,以得到所述样本虚拟数据的评价值,基于所述评价值对所述样本虚拟数据进行筛选,以得到可用虚拟数据,将所述可用虚拟数据添加到所述样本真实数据中;
其中,预设虚拟模型为:
;
式中,为鉴别器,为生成器,为数学期望,为样本真实数据, 表示 的分布, 表示 来源于真实数据的分布, 表示生成器生成的虚拟数据, 表示的分布,表示输入的随机噪声信号, 表示虚拟数据属于真实数据的概率;
所述数据处理模块具体用于:
采用预设平滑公式对所述初始样本数据在移动窗口内的数据进行多项式分解并使用最小二乘法对移动窗口内的数据进行数据拟合,以得到样本真实数据,其中,所述预设平滑公式为:, ;
式中, 为样本真实数据,为归一化因子, 为中点波长点 左右两侧的窗口数量, 为 波长点的观测值, 为平滑系数;
其中,所述数据评价模块包括:
第一评价子模块,用于采用PCCs算法计算所述样本虚拟数据中数据的第一评价值,并基于所述第一评价值对所述样本虚拟数据中的数据进行第一次筛选,以得到第一筛选虚拟数据;
第二评价子模块,用于通过t‑SNE算法将所述第一筛选虚拟数据与所述样本真实数据投影至二维空间中,并分别确定所述第一筛选虚拟数据的第一置信区间与所述样本真实数据的第二置信区间,基于所述第一置信区间与所述第二置信区间对所述第一筛选虚拟数据进行第二次筛选,以得到第二筛选虚拟数据;
第三评价子模块,用于将所述第二筛选虚拟数据与所述样本真实数据输入预设识别模型中进行第三次筛选,以得到可用虚拟数据;
其中,所述预设识别模型具体为PLS‑DA模型。
5.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的傅里叶近红外干涉信号虚拟生成评价方法。
6.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的傅里叶近红外干涉信号虚拟生成评价方法。