[发明专利]基于机器学习的工业物联网数据验证方法

权利要求书

1.基于机器学习的工业物联网数据验证方法，其特征在于，包括以下步骤：

步骤1，确定数据项，对每个数据项：分别获取m个训练样本组成训练集；建立初始学习模型；

其中，所述训练样本为供应商提供的历史产品检验性能数据、设备参数或视频数据；m＞3000；

步骤2，采用训练集对初始学习模型进行训练，得到训练后的强分类器；

步骤3，获取待验证数据，将待验证数据作为训练后的强分类器的输入，对待验证数据进行真假分类，输出待验证数据的分类结果，完成数据的验证。

2.根据权利要求1所述的基于机器学习的工业物联网数据验证方法，其特征在于，所述数据项包含原材料检验数据、生产工艺过程检验数据、产品试验数据和关键过程视频数据。

3.根据权利要求1所述的基于机器学习的工业物联网数据验证方法，其特征在于，所述初始学习模型由K个弱学习器组成，每个弱学习器为卷积神经网络。

4.根据权利要求3所述的基于机器学习的工业物联网数据验证方法，其特征在于，所述采用训练集对初始学习模型进行训练，具体为：

2.1，初始化训练样本权重为D₁；

D₁＝(w₁₁，W₁₂…W_1m)；

2.2，采用具有权重D_k的训练样本输入第K个弱学习器进行数据训练，得到第K个弱分类器G_k(x)；

2.3，计算第K个弱分类器G_k(x)的分类误差率：

其中，(x_i，y_i)为第i个训练样本；I(G_k(x_i)≠y_i)为第K个弱分类器上第i个训练样本的误差率；

2.4，计算弱分类器的系数：

2.5，基于分类误差更新样本集的权重分布：

其中，Z_k为规范化因子；

2.6，重复步骤2.2-2.5，直到第K个弱学习器完成数据训练为止；

2.7，构建训练后的强分类器为：

5.根据权利要求4所述的基于机器学习的工业物联网数据验证方法，其特征在于，所述更新样本集的权重分布，具体为采用前向分步学习算法，利用前一个强分类器的结果f_k-1(x)和当前弱学习器G(x)来更新当前的强分类器的模型；损失函数为：

其中，α为当前弱学习器的系数。

6.根据权利要求1所述的基于机器学习的工业物联网数据验证方法，其特征在于，所述待验证数据为经过数据抓取得到的数据段或经过数据保真后的保真数据，该数据段和保真数据中分别含有供应商提供的产品性能检测数据或设备参数。

7.根据权利要求1所述的基于机器学习的工业物联网数据验证方法，其特征在于，通过交互界面配置数据项、数据取样的频率和途径；每各数据项分别对应训练一个强分类器。

8.根据权利要求1所述的基于机器学习的工业物联网数据验证方法，其特征在于，步骤3中，当输出结果为真时，说明为真实数据，直接输送至品类管理中心；

当输出结果为假时，说明数据为异常数据，则将其输送至运维组进行处理，并将处理结果反馈给网关和供应商；供应商对该异常数据进行进一步筛查处理，网关对异常数据不进行进一步传输。