买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆大学;广东鸿芯科技有限公司

摘要：本发明公开了一种基于对抗训练和多尺度注意力的肺癌电子鼻数据分类方法，其包括1建立用于对电子鼻数据进行分类的模型TS‑CATMA；2对TS‑CATMA进行训练；3使用训练得到的TS‑CATMA对电子鼻数据进行分类。本发明通过对抗训练所提出的TS‑CATMA模型，将训练得到的最终训练模型用于肺癌电子鼻数据分类，其不仅与传统MTSC方法相比具有显著优势，而且与现有InceptionTime、Resnet、FCN和LSTM‑FCN等深度学习方法相比，也是分类性能整体最优，在特异性和准确率方面具有明显优势，将其运用于肺癌筛查，能显著降低误诊率。

主权项：1.一种基于对抗训练和多尺度注意力的肺癌电子鼻数据分类方法，其特征在于：包括步骤：1建立用于对电子鼻数据进行分类的模型TS-CATMA，所述TS-CATMA包括特征提取器、标签分类器和域分类器，特征提取器和标签分类器组成分类网络；所述特征提取器包括依次连接的主干网络、多尺度注意力模块和Neck网络，所述特征提取器用于从电子鼻数据中提取特征；所述标签分类器用于接收特征提取器输出的特征表示，并预测样本所属的类别标签；所述域分类器同样接收特征提取器输出的特征表示，并区分样本来自源域还是目标域；2对TS-CATMA进行训练：a将训练数据作为源域数据、将测试数据作为目标域数据分别输入特征提取器；其中M表示输入样本，Y表示标签，上标tr和te分别表示训练集和测试集，下标表示样本编号；定义di为第i个训练样本的域标签，其中di∈{0,1}，若xi～Mtr，则di＝0；反之若xi～Mte，则di＝1；b进行对抗训练：先固定特征提取器Gf和标签预测器Gy，优化域分类器Gd来最大化Lall，即最小化然后固定域分类器Gd，优化Gf和Gy来最小化Lall，即最小化最大化通过对抗训练，特征提取器Gf学习提取域不变的特征，使得域分类器Gd无法区分源域和目标域样本；同时，标签预测器Gy在源域上进行监督学习，学习如何根据域不变特征进行分类；最终得到一个在目标域上泛化的分类模型；其中，Lall是总损失函数： 其中，是标签分类任务的损失函数，是域分类任务的损失函数；参数λ是一个超参数，用于平衡两个损失函数的重要性；n是训练数据集的数量，N是训练数据集和测试数据集的总数量； 使用二元交叉熵函数计算，用于源域数据的分类任务： 使用二元交叉熵损失函数计算，用于区分源域和目标域的数据： 3使用步骤2训练得到的TS-CATMA对电子鼻数据进行分类。

全文数据：

权利要求：

百度查询： 重庆大学 广东鸿芯科技有限公司 基于对抗训练和多尺度注意力的肺癌电子鼻数据分类方法