[发明专利]基于伪标签方法和弱监督学习的过程数据故障分类方法有效
| 申请号： | 201911295545.9 | 申请日： | 2019-12-16 |
| 公开（公告）号： | CN111079836B | 公开（公告）日： | 2022-10-04 |
| 发明（设计）人： | 葛志强;廖思奋 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 杭州求是专利事务所有限公司 33200 | 代理人： | 邱启旺 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于伪标签方法和弱监督学习的工业过程数据故障分类方法，它由多层感知器，BatchNormalization层，Dropout层和Softmax输出层组成的有监督分类网络和用于获取伪标签不准确情况的高斯混合模型组成；多层感知器能够从有标签数据中学习数据的特征表示，BatchNormalization层用于加速多层感知器模型的收敛，Dropout层用于防止多层感知器训练过拟合，Softmax输出层根据多层感知器提取的故障样本特征进行故障分类。本发明可以在获得有标签样本标签不准确且存在无标签样本场景进行建模，通过对有标签样本标签及基于伪标签方法给无标签样本预测的伪标签进行标签概率转移矩阵评估，并用于修正分类网络的损失函数，完成弱监督学习，从而提升模型对样本的分类精度。 | ||
| 搜索关键词： | 基于 标签 方法 监督 学习 过程 数据 故障 分类 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201911295545.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种苗木种植用灌溉设备
- 下一篇：一种蔬菜大棚用灌溉装置
