文档介绍：第 41 卷 ，第 2 期 光 谱 学 与 光 谱 分 析 . 41 ， . 2 ， 400-407
生成光谱 ，输入到
CNN DCGAN CNN
里进行分类 ，得到 ％ 分类准确率 。实验结果表明 ， 能在只有少量拉曼光谱的情况下 ，通过对
DCGAN
抗学****得到较好的生成光谱 ，且生成的光谱相比原光谱更加清晰 ，减少了可能的干扰因素 ，具有光谱预处理
效果 。通过 对抗生成大量高质量的数据填充到原有拉曼光谱数据集 ，扩充数据集的样本量 ，使得深
DCGAN
度学****模型能够得到更好的训练 ，从而提高模型的准确率 。 该研究为深度学****方法应用于拉曼光谱分析技
术提出了一个可行的方案 。
关键词 拉曼光谱 ；数据扩充 ；光谱分类 ；深度卷积生成对抗网络
中图分类号 ： 657. 3 文献标识码 ： DOI ：／. .1000-0593（2021）02-0400-08
O A j issn
生拉曼谱图 。根据谱图就可以明确样品化学与分子信息和含
引 言 量[1] 。相比红外光谱法 ，拉曼光谱提供的是无损定性定量分
析 ，对样品无特殊要求 ，短时简便高灵敏度 ，避免了因为样
食品药品的安全一直是人们重点关注的对象 ，常用的食 品的破坏或者样品自身的缺陷导致的误差