[发明专利]一种多传感器数据异质域适应的方法

权利要求书

1.一种多传感器数据异质域适应的方法，其特征在于，其包括以下步骤：

S1，利用传感器对新能源电池进行热失控监测，获得采集数据的源样本集矩阵X_S及其标签，同时获取对应的目标样本集矩阵X_t、样本邻居数、子空间维度、罚参数λ、罚参数β和罚参数γ；其中，用X表示X_S和X_t；

S2，使用线性内核投影X，得到核心矩阵K，初始化G＝I，I表示特征矩阵；

S3，构建图结构，得到图的拉普拉斯系数矩阵L；

S4，计算最大均值差异MMD矩阵M；

S5，通过解决中的特征分解问题来优化投影矩阵P，其中，Λ为一拉格朗日乘数，是一个对角矩阵，H＝I_n-(1/n)1_n，1_n是所有元素都等于1的n×n矩阵，I_n表示n×n的特征矩阵I；

S6，通过

S7，更新X_t的标签和图的拉普拉斯系数矩阵L；

S8，更新权重向量α；

S9，重复S4–S8，直到收敛或最大迭代；

S10，输出X_t的标签信息，通过P将K_t和K_s投射到所学习的子空间，即和之后根据输出的X_t标签信息用支持向量机SVM对子空间中的Z_t进行分类，Z_s被用作参考；其中K_t为目标核心矩阵，K_s为源样本核心矩阵，pⁱ表示P的第i行。

2.根据权利要求1所述的一种多传感器数据异质域适应的方法，其特征在于，所述步骤S2中，在使用线性内核投影时，一个领域D由传感器数据特征空间X。、其概率分布P(X)和一个标签集Y三部分组成，其中用下标s来表示源域，用t来表示目标域，分别将源域和目标域映射到一个潜在空间，将其映射的两个投影合并为一个变量并同时学习，以保证这两个投影将两个领域映射到一个真正的共享空间，而不是两个只有相同维度的空间，为了实现不同的领域由不同的投影独立处理，定义数据矩阵X和投影矩阵A如下：

A＝[A_s；A_t]。

3.根据权利要求1所述的一种多传感器数据异质域适应的方法，其特征在于，所述步骤S3中，假设目标域的标签信息是已知的，将数据样本可视化；将具有相同标签的实例保持在一个紧凑的集群中，即一个样本倾向于与它最近的邻居有相同的标签；在分布匹配过程中使来自同一类别的传感器数据样本保持紧密，用z_j来表示x_j在分布匹配新特征空间的新特征表示，有：

其中，W是一个对称的邻接矩阵，W_ij表征样本之间的喜爱关系，用W来表征样本关系，并应用余弦相似度来得到W，具体如下：

其中，N_k(x_i)是x_i的k个最近的邻居，所述k个最近的邻居与x_i属于同一类别，具体的，对于W的第i行和第j列，如果样本x_j是x_i的k个最近的邻居之一，并且其与x_i有相同的标签，那么W_ij被设定为两个样本之间的余弦距离，否则W_ij被设为0；W存储的是原始特征空间上的样本关系，z是新的特征表示，因此，可以保留新特征空间中样本的相邻关系，缓解负迁移；由于可以得到：

其中，L＝D-W是图的拉普拉斯，D是一个对角线矩阵，其对角线元素计算为W的第i行之和，即