[发明专利]一种基于集成学习的智能控制系统异常预测方法

权利要求书

1.一种基于集成学习的智能控制系统异常预测方法，其特征在于，包括以下步骤：

步骤1、基于个体学习器对传感器采集到的样本数据进行训练；

步骤2、重复训练多个个体学习器，直到个体学习器数量达到标准数量T；

步骤3、将T个个体学习器进行加权结合，通过动态规划方法确定各个体学习器的权重，并采用加性模型得到个体学习器的线性组合；

步骤4、基于该线性组合，最小化指数损失函数，从而最小化异常分类错误率；

步骤1所述的基于个体学习器对传感器采集到的样本数据进行训练，具体如下：

步骤1.1、根据异常数据特征，选择个体学习器h_θ(x)，其中θ为个体学习器待学习的参数，x为接收到的异常样本矩阵；

步骤1.2、定义个体学习器h_θ(x)的损失函数J_θ(x)；

步骤1.3、初始化θ为零向量，基于梯度下降算法不断更新θ的值，直到损失函数J_θ(x)达到最小；

步骤1.4、得到单个个体学习器；

步骤2所述的重复训练多个个体学习器，直到个体学习器数量达到标准数量T，具体如下：

定义个体学习器标准数量T，重复步骤1，直到个体学习器数量达到T，对于第t个个体学习器：

其中，t为个体学习器的编号，t＝1,2,3,…,T；

步骤3所述的将T个个体学习器进行加权结合，通过动态规划方法确定各个体学习器的权重，并采用加性模型得到个体学习器的线性组合，具体如下：

步骤3.1、初始化第一个个体学习器的权重为1；

步骤3.2、设定动态规划模型dp[i],i∈{1,2,…，T}的含义为：对于第i个个体学习器而言，使得在当前i个模型下能得到的最佳预测函数，转移方程如下：

其中，j∈(0,1)，当上述转移方程取得最大值时，取dp[i]＝j；

步骤3.3、利用加权模型求得各个体学习器的线性组合H(x)，具体如下：

步骤4所述的基于该线性组合，最小化指数损失函数，从而最小化异常分类错误率，具体如下：

步骤4.1、计算最小化指数损失函数J_exp(H|D)＝E_x～D[e^-f(x)H(x)]，其中，D为概率分布，J_exp表示最小化指数损失函数，E_x～D表示函数f(x)在分布D下的数学期望，f(x)表示训练集的真实映射；

步骤4.2、基于上述函数，对H(x)求偏导得：

其中，P表示事件的概率；

步骤4.3、由上述函数得：

sigmoid(H(x))＝argmaxP(f(x)＝y|x),y∈{1,-1}

由此得，sigmoid(H(x))达到贝叶斯最优错误率，分类错误率达到最小化。