全文总字数：5849字
1. 研究目的与意义、国内外研究现状（文献综述）
1 意义
机器学习不仅仅作为人工智能的一个重要分支，更成为了当今计算机与科学技术的一个核心课题之一。机器学习的蓬勃发展代表着人工智能的领域的长足的进步，现如今，各种机器学习算法呈现百花齐放的姿态，全世界的学者及科技巨头都在机器学习领域投入了大量的精力与资源[1]。深度学习作为机器学习的一个分支自然也是处于高速发展中。
深度学习在图像处理[2]、机器视觉、自然语言搜索[3]、语音识别[4]等方面都取得了令人瞩目的成果，然而，深度学习算法的实现依赖于的数据集的数量，而海量的数据集是限制深度学习快速发展的最大瓶颈。基于深度学习的生成式对抗网络gan(generative adversarial netwks)相比于传统的生成式模型诸如最大似然估计法、近似法、马尔科夫链方法等有着巨大的优势。
使用gan进行海量数据的智能生成已经广泛用于图像、文本、语音、语言等领域，并且随着机器学习的发展，越来越多种类的海量数据集的需求将会供不应求，所需求的数据集的内容也会越来越复杂，所以对生成式对抗网络的研究不仅仅是对人工智能的探索更是具有重大意义。
2. 研究的基本内容和问题
1 研究目标1) 对非均衡数据集进行采样2) gan及其衍生版本在蘑菇表型样本上的效果对比测试3) 设计一个在蘑菇表型图像生成方面效果出色的对抗生成网络模型2 研究内容(一) 对非均衡数据集采取过采样方式进行处理(1) 非均衡数据集定义非均衡数据集指的是数据集各个类别的样本数目相差巨大。以二分类问题为例，假设正样本的样本数量远大于负样本的样本数量，这就称为不平衡数据；以多分类问题为例，假设某些类别的样本数量远远大于其他类别的样本数量，这就称为不平衡数据(2) 非均衡数据集导致的问题多分类情况下，模型的分类结果会向少数样本量较大的类别偏移，从而使得训练模型过拟合向多样本类别。(3) 过采样定义通过增加少数类样本的数量，从而保留少数类的分布信息。过采样过程如图1所示，由于a类别和b类别的样本数量差距过大，将类别a的样本集经过多次随机抽样，重组成和类别b的样本集数量差距不大的新样本集a。
图 1 过采样原理图
gan的生成器和判别器可以表示为任意可微分的函数，如图2所示，假设我们有可微分函数d和g来分别表示判别器和生成器，它们的输入分别为真实数据x和随机变量z。 则为由 生成的尽量服从真实数据分布pdata的样本。如果判别器的输入来自真实数据，则标注为1，如果输入样本为g(z)，则标注为0。判别器d的目的是实现对数据来源的二分类判别，即真（来源于真实数据x的分布）和伪（来源于生成器的伪数据g(z)），而生成器g的目标是使自己生成的伪数据g(z)在d上的表现d(g(z))和真实数据x在d上的表现一致，这两个相互对抗并不断迭代优化的过程使得判别器d和生成器g的性能不断得到优化，当最终d的判别能力提升到相当程度并且无法正确判别数据来源时，可以认为这个生成器g已经学习到了真实数据的分布。
3. 研究的方法与方案
1 研究方法
1) 通过查阅书籍资料，了解生成式对抗网络
2) 通过查阅论文学习gan及其衍生版本的细节
3) 收集图片数据集进行均衡化处理
4. 研究创新点
特色或创新之处
1)将gan模型用于蘑菇表型图像生成领域，具有创新性
2)实现一个适用于蘑菇表型数据集的对抗生成网络模型
5. 研究计划与进展
2018年11月20日-11月30日：选定论文题目，准备毕业设计论文资料；
2018年12月01日-12月31日：上网查找资料，学习gan模型知识以及环境搭建；
2019年01月01日-01月15日：数据集的均衡化处理；
