原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于深度对抗自编码器的近红外光谱单类识别方法，通过采用自编码器和判别器构建深度对抗自编码模型，自编码器的编码器和解码器均采用深度神经网络结构，使其能够更加有效地提取目标类近红外光谱数据的潜在特征表征信息，增强自编码器对目标类的识别灵敏性，另外，在对深度对抗自编码模型进行训练时，通过判别器与自编码器的对抗训练，使得潜在特征的分布符合设置的先验分布，后续在对未知样本进行识别时，将未知样本的潜在特征映射成所设置的先验分布，通过计算相应的概率密度对未知样本在潜在特征空间内的相似度进行评价
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117851944A
(43)申请公布日2024.04.09
(21)申请号202311647938.8
(22)申请日2023.12.05
(71)申请人温州大学
地址325000
文档评论（0）