arXiv cs.LG·28 天前★ 2

生成式特征增强的混合机器学习拉曼光谱药物识别

原文标题：Hybrid Machine Learning-Assisted Raman Spectroscopy with Generative Feature Augmentation for Pharmaceutical Identification

重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。

AI 智能摘要

论文提出HyMLRaman混合框架，结合深度光谱特征提取、生成模型与经典机器学习分类器，识别阿莫西林、氯霉素、环丙沙星、四环素、布洛芬、扑热息痛六种药物化合物。拉曼光谱转为谱图后经EfficientNet-B3编码为1536维嵌入，EfficientNet-B3与SVM组合取得96.31%准确率与96.36%宏F1。针对数据稀缺，作者在PCA降维潜空间引入DDPM特征增强，并演示了可交互的拉曼药物分析工作流。

论文速读 · 四段结构cs.LG去论文速读 →

问题: 拉曼光谱药物识别中数据稀缺、传统方法泛化不足。
方法: HyMLRaman：光谱转谱图后用 EfficientNet-B3 编码为 1536 维嵌入，接经典分类器，并在 PCA 潜空间用 DDPM 做特征增强。
结果: EfficientNet-B3 加 SVM 达 96.31% 准确率、96.36% 宏 F1。
影响: 给出可落地的光谱筛查流水线，低数据下生成增强收益依分类器而定。