[发明专利]基于对抗生成网络的恒星光谱小样本分类方法在审
| 申请号： | 202010014622.5 | 申请日： | 2020-01-07 |
| 公开（公告）号： | CN111242201A | 公开（公告）日： | 2020-06-05 |
| 发明（设计）人： | 余先川;刘伟;闫瑞清;朱猛;代聪;陈思莹;姚旺;詹英;田海峰 | 申请（专利权）人： | 北京师范大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 100875 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 对抗 生成 网络 恒星 光谱 样本 分类 方法 | ||
【权利要求书】：
1.一种基于对抗生成网络的恒星光谱小样本分类方法，其特征在于，包括以下步骤：
步骤1：利用生成对抗生成网络学习大量无标签的恒星光谱特征；
步骤2：在训练好生成对抗网络的G和D以后，当D无法区分真实光谱和假光谱时，保存训练好的模型D；
步骤3：用Softmax函数替换训练好的D的输出；
步骤4：使用少量带标签的光谱数据微调D，重新训练好的D可以实现对多个类别的恒星光谱进行分类。
2.根据权利要求1所述的基于对抗生成网络的恒星光谱小样本分类方法，在生成对抗网络中，G的输入是随机噪声pz(z)＝μ(-1,1)。
3.根据权利要求1所述的基于对抗生成网络的恒星光谱小样本分类方法，在生成对抗网络中，G使用tanh激活函数来表示非线性，并把G的最后一层连接到D的输入层。
4.根据权利要求1所述的基于对抗生成网络的恒星光谱小样本分类方法，训练好生成对抗网络中G和D以后，删除G，并增加D输出的维数，用Softmax替换了D的最后一层，将D设计为基于一维卷积的分类器，其中非线性映射是通过ReLU激活函数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京师范大学，未经北京师范大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202010014622.5/1.html，转载请声明来源钻瓜专利网。
