為了探討樸素貝葉斯分類在儀表故障判斷領域的應用價值,通過將某核電廠壓力表故障的歷史信息進行分類匯總,將故障的判斷轉換成文本分類任務,結合樸素貝葉斯分類算法和自然語言處理建立故障的分類模型,實現(xiàn)對新增故障的準確判斷。通過驗證,樸素貝葉斯分類模型能夠對新增故障進行判斷分類。測試中需要進行校驗類故障準確率能夠達到95%以上,其他類故障準確率高于70%。傳統(tǒng)故障判斷一般是由人來完成,通過貝葉斯分類模型實現(xiàn)對故障的判斷,可減輕人員勞動強度,提高工廠維修自動化水平。 

【文章來源】：南華大學學報(自然科學版). 2020,34(02)

【文章頁數(shù)】：5 頁

【部分圖文】：

故障判斷流程

圖1 故障判斷流程通過對測試結果及模型原理分析，在創(chuàng)建模型之初選擇樣本容量大且全面的數(shù)據(jù)集對模型特征序列的選取很有幫助，在選取特征序列時要選取盡量多的詞匯，這樣能保證指向性高的特征詞在特征序列之中。對于實際出現(xiàn)很少的缺陷，可以強制給出對應的特征序列并且設定特征詞的出現(xiàn)頻率，這樣有助于提高分類的準確性。

【參考文獻】：
期刊論文
[1]貝葉斯網絡在計算機聯(lián)鎖系統(tǒng)故障診斷中的應用[J]. 王剛,牛宏俠.  電子世界. 2018(05)
[2]樸素貝葉斯算法在文本分類中的應用[J]. 鄒曉輝.  數(shù)字技術與應用. 2017(12)
[3]基于退化數(shù)據(jù)的高可靠性產品貝葉斯分類決策[J]. 陳震,潘爾順.  上海交通大學學報. 2017(01)
[4]基于分類器融合的自動化協(xié)商決策模型[J]. 彭艷斌,鄭志軍,于成波,李吉明.  上海交通大學學報. 2013(04)
[5]貝葉斯決策論[J]. 劉迪.  黑龍江科技信息. 2012(28)



本文編號：3462338