Для отслеживания происхождения астрагала была предложена модель сети CTGAN+1D-CNN+Encoder-Decoder (CCEN). Сначала с помощью условной табличной генеративной состязательной сети (CTGAN) были расширены данные ближней инфракрасной спектроскопии астрагала для решения проблемы малого объема данных. Затем путём добавления структуры кодировщик-декодировщик (Encoder-Decoder) к одномерной сверточной нейронной сети (1D-CNN) сеть может одновременно захватывать глобальные и локальные взаимосвязи между признаками. Результаты экспериментов показали, что после усиления CTGAN и фильтра Савицкого-Голея точность дискриминантного анализа с использованием метода частичных наименьших квадратов (PLS-DA), случайного леса (RF), алгоритма ближайших соседей (KNN) и 1D-CNN увеличилась до 0.9733, 0.9533, 0.9600 и 0.9733 соответственно. После добавления кодировщика-декодировщика точность 1D-CNN повысилась до 0.9778. В итоге модель CCEN на наборе данных астрагала достигла точности, полноты и значения F1 соответственно 0.9867, 0.9872 и 0.9868, превзойдя сравнительные модели. Результаты доказывают, что модель CCEN подходит для сложных структурированных и ограниченных по выборке одномерных сигналов ближней инфракрасной спектроскопии и предоставляет новый метод для исследования определения географического происхождения астрагала в традиционной китайской медицине.

астрагал; ближняя инфракрасная спектроскопия; CTGAN; нейронная сеть; кодировщик-декодировщик