数据集概述
本数据集为“基于深度学习预测虾仁TVC”相关文章的辅助数据与算法集合，包含训练和评估不同模型的Python代码、光谱数据文件、模型日志及实验结果文件，支持相关研究的复现与扩展。
文件详解
数据集包含一个压缩文件，内部结构如下：
- Python代码文件:
- SAEs.py: 用于训练SAEs模型的代码文件
- SAEs-PLSR.py: 基于深度光谱特征训练PLSR模型并评估的代码文件
- SPA-PLSR.py: 基于SPA选择的特征波长训练PLSR模型并评估的代码文件
- F-PLSR.py: 基于全光谱训练PLSR模型并评估的代码文件
- 数据文件:
- ramdonpixel_1.pkl: 60060条光谱数据，用于训练SAEs模型
- ramdonpixel_2.pkl: 60060条光谱数据，用于验证SAEs模型
- Fullspectra.csv: 200个样本的230波段光谱及参考TVC值数据
- SPAspectra.csv: 200个样本的18个特征波长及参考TVC值数据
- 其他文件:
- Logs: 保存的模型文件
- Results: 实验结果文件
适用场景
- 食品质量检测研究: 用于复现基于深度学习预测虾仁TVC的实验
- 光谱分析模型开发: 对比不同PLSR模型（全光谱、特征波长、深度特征）的预测性能
- 机器学习算法应用: 探索SAEs与PLSR结合在光谱数据建模中的效果
- 食品科学实验复现: 为相关研究提供标准化的代码与数据支持
