《表1 源数据与生成数据的统计特征对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于生成对抗网络的高端装备研制数据脱敏方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

因此，以6个高斯数据集的混合作为GAN的原始训练数据输入，而GAN的结构如文献[13]设计为6个生成器和1个判别器。实验环境为Python3.7，硬件设施为Inter CORE i5 8th Gen，显卡为Intel（R）UHD Graphics 620和NVIDIA GeForce MX150。输入数据实例为8 000个，每一个训练批次包含64个实例，学习率为0.000 2，生成器和判别器都使用Adam优化算法。经过30 000次迭代后，训练结果如图7所示。图7中，底层紫色的数据点为源数据，而除紫色以外的颜色代表GAN的输出数据，6种颜色代表GAN拟合了6个不同的高斯数据集。在6个生成器的GAN结构中，生成器联合训练，且权重相同，因此每个生成器学习了一种数据模式。可以看出，包含6个生成器联合训练的GAN结构较好地模拟了源数据的分布，能够重现源数据的分布特征，而源数据与生成数据的统计特征对比如表1所示。