基于GAN网络的小样本数据扩充及其应用研究

作     者：吴昕韬 

作者单位：北京化工大学 

学位级别：硕士

导师姓名：陈娟

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：虚拟样本 生成对抗网络 植物药材 工艺参数优化 

摘      要：数据驱动的系统过程建模和工艺优化方法因具有全面且准确的分析能力,在化学、生物、食品和医学等领域表现出巨大潜力。然而,这些领域常常面临数据采集困难及有效数据稀缺等小样本条件的挑战。小样本条件下的数据驱动建模已成为一个对推动科学进步和工业应用具有重要意义的关键研究课题。 对小样本数据进行样本扩充是解决小样本数据建模问题的常见方法。因此,本文提出了一种带强制判别器的联合生成对抗网络。该网络通过一个集成了部分先验知识的强制判别器,可以指导生成器有效地产生虚拟样本,并使得虚拟样本生成过程具有一定的可解释性。为进一步提高虚拟样本的利用效率和模型性能,本文还采用了多个高斯过程回归模型对虚拟样本进行质量评价。 基于虚拟样本评价结果,本文提出了引入注意力机制的模型建立方法和基于评价结果筛选虚拟样本再建立模型的方法。引入注意力机制的方法通过在模型训练与预测过程中给予评价结果较高的虚拟样本更高的注意力权重,突出这部分虚拟样本的作用。基于评价结果筛选虚拟样本的方法则根据虚拟样本评价结果对它们进行排序,只选择评价结果靠前的若干虚拟样本并将它们加入到模型训练过程中。 最后,本文以双频超声萃取甘草苷的工艺参数优化问题为应用对象,先通过分析化验获取小样本数据,再应用本文提出的方法扩充小样本数据、评价虚拟样本并建立预测模型,利用改进的灰狼优化算法寻得一组最优工艺参数,并进行了实验验证。 模型的评价指标与工艺参数优化验证实验表明,本文所提出的虚拟样本生成、评价与筛选方法可以很好地提高小样本条件下所建立模型的预测性能。本文提出的虚拟样本生成方法且较其他虚拟样本生成方法具有一定优势。在通过虚拟样本生成-评价-筛选后建立的预测模型上寻得的最优工艺参数能够明显提升当前实验条件下甘草苷的提取率。这些成果验证了本文所提方法的有效性与在实际应用中的优越性和潜力,为小样本条件下的数据建模和工艺优化问题提供了一些参考。