本文關(guān)鍵詞： 故障識(shí)別 主動(dòng)學(xué)習(xí) 半監(jiān)督學(xué)習(xí) 小樣本不平衡數(shù)據(jù)分類 決策融合　出處：《浙江大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：過程監(jiān)測(cè)技術(shù)作為過程系統(tǒng)工程中的重要組成部分,在保障復(fù)雜工業(yè)過程的穩(wěn)定性和可靠性,提高企業(yè)產(chǎn)品質(zhì)量等關(guān)鍵問題上具有重要的理論意義和實(shí)踐意義。得益于集散控制系統(tǒng)(DCS)的不斷發(fā)展和廣泛應(yīng)用,海量的工業(yè)數(shù)據(jù)得以保存,因此,基于數(shù)據(jù)驅(qū)動(dòng)的工業(yè)故障診斷技術(shù)在學(xué)術(shù)界和工業(yè)界都得到了普遍關(guān)注。然而,將傳統(tǒng)的模式識(shí)別方法應(yīng)用到工業(yè)故障診斷上時(shí)忽略了流程工業(yè)過程中采集到的數(shù)據(jù)特點(diǎn),包括有標(biāo)簽故障樣本少、正常數(shù)據(jù)與故障數(shù)據(jù)以及不同類型的故障數(shù)據(jù)之間往往存在樣本量不平衡的問題,因此不能在數(shù)據(jù)集上訓(xùn)練出高精度的分類模型來對(duì)故障進(jìn)行有效識(shí)別。本文在已有的經(jīng)典分類算法上,提出了基于不平衡小樣本的故障分類技術(shù),將主動(dòng)學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的思想與傳統(tǒng)的基于模式識(shí)別的故障分類方法結(jié)合起來,并加入了對(duì)不平衡數(shù)據(jù)的代價(jià)敏感學(xué)習(xí)和重采樣處理。主要研究工作和成果包括以下幾個(gè)方面:1)針對(duì)流程工業(yè)過程中有標(biāo)簽故障樣本少、樣本標(biāo)注代價(jià)昂貴、樣本集存在類不平衡以及樣本孤點(diǎn)問題,首先提出了一種改進(jìn)的主動(dòng)學(xué)習(xí)結(jié)合加權(quán)支持向量機(jī)的工業(yè)故障分類算法。通過綜合考慮樣本的信息度和代表性以及樣本中可能存在的孤立點(diǎn),將改進(jìn)的主動(dòng)學(xué)習(xí)算法用于挖掘那些對(duì)當(dāng)前分類模型最有價(jià)值的樣本并提交給專家進(jìn)行標(biāo)注。在進(jìn)行主動(dòng)學(xué)習(xí)算法的研究時(shí),提出了一種改進(jìn)的加權(quán)支持向量機(jī)作為基分類模型。對(duì)于訓(xùn)練數(shù)據(jù)中的不同樣本,根據(jù)其重要性采用不同的權(quán)重系數(shù),同時(shí)充分考慮了樣本點(diǎn)在特征空間分布情況對(duì)于主動(dòng)學(xué)習(xí)和分類精度的影響,提出了一種新的懲罰系數(shù)選取方法,對(duì)不同類別的樣本賦予不同的懲罰因子,從而有效避免了主動(dòng)學(xué)習(xí)過程中采集到重復(fù)、無意義樣本的問題,并提高了分類準(zhǔn)確率。實(shí)驗(yàn)結(jié)果驗(yàn)證了所提出的的算法能夠在獲得較高分類精度的條件下有效減少標(biāo)注負(fù)擔(dān)。2)在主動(dòng)學(xué)習(xí)的基礎(chǔ)上,針對(duì)標(biāo)注代價(jià)昂貴的問題,提出了將半監(jiān)督學(xué)習(xí)的思想用于故障分類中,從而通過機(jī)器的自動(dòng)迭代訓(xùn)練來提高故障診斷的精度,減少人工標(biāo)注耗費(fèi)的時(shí)間和精力。針對(duì)半監(jiān)督訓(xùn)練中容易出現(xiàn)的偽標(biāo)記有誤問題,提出了將一種改進(jìn)的基于多分類器貝葉斯決策融合的分類算法用于無標(biāo)簽樣本的標(biāo)簽標(biāo)注上,并分析了噪聲數(shù)據(jù)的PAC可學(xué)習(xí)性以及訓(xùn)練集更新的充分條件,同時(shí)加入了基于最近鄰規(guī)則的噪音數(shù)據(jù)剪輯方法和針對(duì)不平衡樣本的SMOTE重采樣技術(shù),從而使得新樣本的純凈度得到了有效的保證。實(shí)驗(yàn)證明,提出的半監(jiān)督學(xué)習(xí)算法具有較高的分類精度和穩(wěn)定性。3)針對(duì)主動(dòng)學(xué)習(xí)和半監(jiān)督學(xué)習(xí)兩種算法本身的特性及其存在的互補(bǔ)性,研究了如何將這兩種算法進(jìn)行有效的結(jié)合來更大程度地提高分類性能。傳統(tǒng)的主動(dòng)學(xué)習(xí)方法,在選擇了最具有信息量的未標(biāo)記樣本進(jìn)行標(biāo)記并用于模型更新后,不再繼續(xù)利用剩余的大量未標(biāo)記樣本。而在有標(biāo)簽的訓(xùn)練樣本非常稀少的情況下,分類結(jié)果不確定性最大的無標(biāo)簽樣本很難通過半監(jiān)督學(xué)習(xí)獲得正確的標(biāo)簽,使得迭代過程中容易出現(xiàn)較為嚴(yán)重的錯(cuò)誤自累積。因此,提出了一種集成主動(dòng)學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的故障分類方法,將少量的主動(dòng)學(xué)習(xí)和半監(jiān)督學(xué)習(xí)結(jié)合,最大程度地改善診斷模型的性能。實(shí)驗(yàn)結(jié)果證明了所提出算法的有效性和優(yōu)越性,具有較高的應(yīng)用價(jià)值。
[Abstract]:......
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP277

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉蓉;李紅艷;;半監(jiān)督學(xué)習(xí)研究與應(yīng)用[J];軟件導(dǎo)刊;2010年08期

2 陳武錦;;半監(jiān)督學(xué)習(xí)研究綜述[J];電腦知識(shí)與技術(shù);2011年16期

3 梁吉業(yè);高嘉偉;常瑜;;半監(jiān)督學(xué)習(xí)研究進(jìn)展[J];山西大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年04期

4 唐曉亮;韓敏;;一種基于極端學(xué)習(xí)機(jī)的半監(jiān)督學(xué)習(xí)方法[J];大連理工大學(xué)學(xué)報(bào);2010年05期

5 李歡;;半監(jiān)督學(xué)習(xí)及其在數(shù)據(jù)挖掘中的應(yīng)用[J];電腦知識(shí)與技術(shù);2010年27期

6 崔鵬;;一種用于半監(jiān)督學(xué)習(xí)的核優(yōu)化設(shè)計(jì)[J];軟件工程師;2013年09期

7 王艷華;楊志豪;李彥鵬;唐利娟;林鴻飛;;基于監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)的蛋白質(zhì)關(guān)系抽取[J];江西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年04期

8 梅松青;;基于自適應(yīng)圖的半監(jiān)督學(xué)習(xí)方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2014年02期

9 李燕萍;唐振民;丁輝;張燕;;半監(jiān)督學(xué)習(xí)機(jī)制下的說話人辨認(rèn)算法[J];計(jì)算機(jī)工程;2009年14期

10 王勁松;陳哲;馮靜蘭;顧明亮;;半監(jiān)督學(xué)習(xí)對(duì)十個(gè)口述數(shù)字的識(shí)別[J];電聲技術(shù);2010年04期

相關(guān)會(huì)議論文 前10條

1 柳斌;李之棠;涂浩;;基于半監(jiān)督學(xué)習(xí)的應(yīng)用流分類方法[A];2010年全國(guó)開放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集[C];2010年

2 葛薦;馬廷淮;;基于集成算法的半監(jiān)督學(xué)習(xí)研究[A];第29屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（B輯）（NDBC2012）[C];2012年

3 趙玲玲;周水生;王雪巖;;基于集成算法的半監(jiān)督學(xué)習(xí)[A];第十四屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)(CCSP-2009)論文集[C];2009年

4 谷方明;劉大有;王新穎;;基于半監(jiān)督學(xué)習(xí)的加權(quán)支持向量域數(shù)據(jù)描述方法[A];NDBC2010第27屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集(B輯)[C];2010年

5 馮瑞;宋春林;;一種基于局部學(xué)習(xí)的復(fù)雜系統(tǒng)建模方法[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

6 陳耀東;王挺;陳火旺;;半監(jiān)督學(xué)習(xí)和主動(dòng)學(xué)習(xí)相結(jié)合的淺層語義分析[A];第三屆全國(guó)信息檢索與內(nèi)容安全學(xué)術(shù)會(huì)議論文集[C];2007年

7 邱慧寧;黃劍;陳羽;賴劍煌;;基于UDP的半監(jiān)督學(xué)習(xí)及其在人臉識(shí)別的應(yīng)用[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

8 楊源;馬云龍;林鴻飛;;基于權(quán)重標(biāo)準(zhǔn)化SimRank與半監(jiān)督學(xué)習(xí)的產(chǎn)品屬性歸類[A];中國(guó)計(jì)算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

9 王倩影;馮國(guó)燦;湯鑫;;δ-距離及其在半監(jiān)督增強(qiáng)中的應(yīng)用[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

10 林良憲;利德江;蔡孟璇;邱政賢;;針對(duì)小樣本分類的半監(jiān)督式學(xué)習(xí)法[A];第25屆全國(guó)灰色系統(tǒng)會(huì)議論文集[C];2014年

相關(guān)博士學(xué)位論文 前10條

1 譚學(xué)敏;基于半監(jiān)督學(xué)習(xí)的運(yùn)動(dòng)想象腦-機(jī)接口研究[D];重慶大學(xué);2015年

2 孫博良;在線半監(jiān)督學(xué)習(xí)理論、算法與應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

3 徐雪;樣本的幾何信息在半監(jiān)督學(xué)習(xí)中的應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

4 孔怡青;半監(jiān)督學(xué)習(xí)及其應(yīng)用研究[D];江南大學(xué);2009年

5 蘭遠(yuǎn)東;基于圖的半監(jiān)督學(xué)習(xí)理論、算法及應(yīng)用研究[D];華南理工大學(xué);2012年

6 唐曉亮;基于神經(jīng)網(wǎng)絡(luò)的半監(jiān)督學(xué)習(xí)方法研究[D];大連理工大學(xué);2009年

7 余國(guó)先;高維數(shù)據(jù)上的半監(jiān)督學(xué)習(xí)研究[D];華南理工大學(xué);2013年

8 潘俊;基于圖的半監(jiān)督學(xué)習(xí)及其應(yīng)用研究[D];浙江大學(xué);2011年

9 王嬌;多視圖的半監(jiān)督學(xué)習(xí)研究[D];北京交通大學(xué);2010年

10 桂杰;基于圖的半監(jiān)督學(xué)習(xí)和維數(shù)約簡(jiǎn)方法及其應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李南;基于屬性偏序結(jié)構(gòu)理論的半監(jiān)督學(xué)習(xí)方法研究[D];燕山大學(xué);2015年

2 路同強(qiáng);基于半監(jiān)督學(xué)習(xí)的微博謠言檢測(cè)研究[D];山東大學(xué);2015年

3 杜俊;半監(jiān)督學(xué)習(xí)及其在社交媒體分析中的應(yīng)用[D];華北電力大學(xué);2015年

4 王俊超;在線半監(jiān)督學(xué)習(xí)尺度自適應(yīng)魯棒目標(biāo)跟蹤[D];湘潭大學(xué);2015年

5 薛巍;基于半監(jiān)督學(xué)習(xí)的人臉特征抽取方法研究[D];揚(yáng)州大學(xué);2015年

6 黃f^;網(wǎng)站的可信度分析[D];福州大學(xué);2013年

7 王雷;基于半監(jiān)督學(xué)習(xí)的中文問句分類[D];安徽工業(yè)大學(xué);2016年

8 向銘;基于半監(jiān)督學(xué)習(xí)的室內(nèi)WLAN支持向量回歸定位算法[D];重慶郵電大學(xué);2016年

9 張倚天;基于商品特征挖掘的在線評(píng)論有用性分類研究[D];大連理工大學(xué);2016年

10 曹琳琳;基于低秩描述的自適應(yīng)半監(jiān)督學(xué)習(xí)[D];西安電子科技大學(xué);2015年

，

本文編號(hào)：1552450