[发明专利]一种数据驱动的TOC样本预测方法

权利要求书

1.一种数据驱动的TOC样本预测方法，其特征在于，所述方法包括：

构建具有生成网络和鉴别网络的条件生成对抗网络模型；

向所述生成网络输入噪声变量和标签，输出TOC样本；

将所述TOC样本输入鉴别网络，并判断所述TOC样本属于真实TOC样本或属于生成TOC样本；

对所述生成网络和鉴别网络进行训练，使用训练后的条件生成对抗网络模型对TOC样本进行扩展。

2.根据权利要求1所述的TOC样本预测方法，其特征在于，所述生成网络具有从先验分布到TOC样本空间的映射。

3.根据权利要求1所述的TOC样本预测方法，其特征在于，所述噪声变量具有高斯分布。

4.根据权利要求1所述的TOC样本预测方法，其特征在于，所述标签包括高TOC值和低TOC值。

5.根据权利要求1所述的TOC样本预测方法，其特征在于，所述鉴别网络输出所述TOC样本属于所述真实TOC样本的概率。

6.根据权利要求1所述的TOC样本预测方法，其特征在于，所述生成网络和鉴别网络的训练同时进行。

7.根据权利要求6所述的TOC样本预测方法，其特征在于，所述生成网络训练时冻结所述鉴别网络，所述鉴别网络训练时冻结所述生成网络。

8.根据权利要求1所述的TOC样本预测方法，其特征在于，所述生成网络训练包括输出的TOC样本符合原始TOC样本及其标签的概率分布，使所述TOC样本在所述鉴别网络中的输出为高概率。

9.根据权利要求1所述的TOC样本预测方法，其特征在于，所述鉴别网络训练包括接受标签正确的真实TOC样本对，拒绝生成TOC样本对以及标签错误的样本对。

10.根据权利要求1所述的TOC样本预测方法，其特征在于，所述TOC样本进行扩展后，对异常值进行删除。