一种基于卷积神经网络的拉曼光谱分析方法
专利类型：发明专利
语 言：中文
申 请 号：CN201811437661.5
申 请 日：20181128
申 请 人：重庆大学
申请人地址：400044 重庆市沙坪坝区正街174号
公 开 日：20190329
公 开 号：CN201811437661.5
代 理 人：王海凤;杨晓磊
代理机构：重庆晟轩知识产权代理事务所(普通合伙) 50238
摘 要：本发明涉及一种基于卷积神经网络的拉曼光谱分析方法，首先是建立分类模型，建立过程是对已经物质的拉曼光谱进行预处理，再将预处理后的拉曼光谱输入神经网络进行训练，确定每层网络中的权值，从而确定分类模型，将这一模型命名为RS?CNN,其次将待预测物质的拉曼光谱进行预处理，然后将预处理的后的带预测物质的拉曼光谱输入分类模型中，分类模型的输出即是分类结果。将卷积神经网络去噪和基线校正以卷积的方式融入到卷积神经网络中，从而将预处理过程和鉴别问题转化在统一的模型框架中求解，实现了数据的自适应处理，弥补了传统方法的不足。
主 权 项：1.一种基于卷积神经网络的拉曼光谱分析方法，其特征在于：包括如下步骤：S1：建立分类模型：S1a：对训练数据集中每个训练样本的拉曼光谱进行预处理：S1a1：对所有训练样本的拉曼光谱进行去噪：将所有训练样本的拉曼光谱输入卷积去噪层层C1进行去噪，所述卷积去噪层层C1的输出表示如下：其中，x1表示卷积去噪层C1的输入，xc1表示卷积去噪层C1的输出，Wc1表示卷积去噪层C1的卷积核权重；Wc1,i是卷积去噪层C1层第i个权重，nc1是Wc1的权重总数；S1a2：经过S1a1去噪后，再对训练样本的拉曼光谱进行基线校正：将经过S1a1去噪后的训练样本的拉曼光谱输入基线校正层C2，所述基线校正层C2的输出表示如下：
其中，xc2表示基线校正层C2的输出，Wc2表示基线校正层C2的卷积核，Wc2,i为基线校正层C2卷积核的第i个权值，nc2表示基线校正层C2卷积核的权值个数；S1b：将S1a2矫正后的所有训练样本的拉曼光谱加上该训练样本的分类标签，输入神经网络，设有n个训练样本，分类标签中有m个类，m和n均取自然数；神经网络的输出为每个训练样本被分入某一类的概率值，对于每个训练样本会输出m个概率，值最大的那个概率则为预测概率，该预测概率对应的类，则是该训练样本的预测分类；统计预测准确率，当该预测准确率低于预设的准确率阈值时，通过损失函数采用反向传播方法调整神经网络每层的权值，然后再将预处理后的所有训练样本的拉曼光谱加上每个训练样本对应的分类标签，输入神神经网络进行迭代，直至统计的预测准确率大于等于准确率阈值时才结束迭代过程，此时每层神经网络的权值已经确定，所述该神经网络即为分类模型；S2：待测样本预测：S2a：将所述待测样本的拉曼光谱采用S1a中所述的方法进行预处理；S2b：将预处理后的待测样本的拉曼光谱输入S1b确定的分类模型中进行预测分类，得到m个概率，值最大的那个概率则为预测概率，该预测概率对应的类，则是该待测样本的预测分类。
关 键 词：
法律状态：公开
IPC专利分类号：G06K9/62;G06K9/00;G06N3/04;G06N3/00;G06N3/08;G06N3/00;G;G06;G06K;G06N;G06K9;G06N3;G06K9/62;G06K9/00;G06N3/04;G06N3/00;G06N3/08;G06N3/00