买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜成都信息工程大学申请的专利一种融入主动学习的两阶段半监督变压器故障诊断方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119207640B 。

龙图腾网通过国家知识产权局官网在2025-04-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411310891.0，技术领域涉及：G16C20/70；该发明授权一种融入主动学习的两阶段半监督变压器故障诊断方法是由谭学敏;郭超;张江林;庄慧敏;谢晓娜;李艳霞设计研发完成，并于2024-09-20向国家知识产权局提交的专利申请。

本一种融入主动学习的两阶段半监督变压器故障诊断方法在说明书摘要公布了：本发明提供了一种融入主动学习的两阶段半监督变压器故障诊断方法，包括DGA数据特征空间选择、DGA数据预处理、划分DGA数据集、利用一对多在初始标记样本集SI上训练n个FLDA两分类器、进行m次和m0+k次迭代。本发明将主动学习融合到半监督学习中，将容易误标记的不确定性大的少量噪声样本通过人工标记的方式更新模型，同时配合半监督学习共同增强初始模型的鲁棒性，使初始分类模型得到改善。再利用半监督学习中的协同训练充分挖掘剩余未标记数据中的隐含信息，即与标记样本分布一致的置信度高的样本进行模型训练，在降低人工标记的成本的基础上使得变压器故障诊断的整体性能再次得到提升。

本发明授权一种融入主动学习的两阶段半监督变压器故障诊断方法在权利要求书中公布了：1.一种融入主动学习的两阶段半监督变压器故障诊断方法，其特征在于，包括：步骤1、获取DGA数据；步骤2、对DGA数据进行预处理；步骤3、对预处理后的DGA数据，划分为训练集ST和验证集SV，训练集分为初始标记样本集SI和未标记样本集SU；步骤4、利用一对多在初始标记样本集SI上训练n个FLDA两分类器，获得未标记样本集SU中所有样本的n个判别分数，并预测未标记样本集SU和验证集SV中所有样本的类别，计算在SV上的正确率；步骤5、第m次迭代中，从SU中分别选择不确定性大的样本Um并人工标记真实标签后添加到SI中，同时置信度高的样本Cm带着预测获得的标签添加到SI中，形成新的标记训练集SLm；步骤6、利用SLm重新建立FLDA模型，重新预测更新后的SU中的中所有样本的n个判别分数，并预测更新后的未标记样本集SU和验证集SV中所有样本的类别，并计算在SU和SV上的正确率；步骤7、分别观察第m次迭代和第m-1次迭代在SV上预测标记的样本是否一致，若一致，迭代停止，否则直到满足m值上限，迭代结束；否则返回步骤5进行第m+1次迭代；迭代停止次数计为m0；步骤8、当m0+k次迭代，利用初启动迭代阶段最后一次迭代更新的训练集SI建立协同半监督模型，通过建立FLDA模型分别进行最大化类间离散度和最小化类内离散度，形成不同的判别规则构建两个不同的分类器；即初始化两份相同的初始标记训练集、未标记训练集数据和验证集SV；SI1=SI2=SI，SU1=SU2=SU，SV1=SV2=SV；利用SI1和SI2分别建立FLDA派生出来的两个不同的分类器C1和C2，分别获得未标记样本集SU1和SU2中所有样本的n个判别分数，并分别预测未标记样本集SU1和SU2中所有样本的类别,验证集SV1和SV2中所有样本的类别，计算在SV1和SV2上的正确率；步骤9、根据半监督定量选择策略，分类器C1和C2分别从未标记训练集SU1和SU2中选择置信度高的样本Q1m0+k和Q2m0+k并赋于其标签后添加到SI1和SI2中，形成新的标记训练集SL1m和SL2m；SL1m=SI1+Q2m0+k，SL2m=SI2+Q1m0+k；步骤10、利用新的标记训练集SL1m和SL2m重新构建两个不同的分类器C1和C2，分别重新预测SU1和SU2中的中所有样本的n个判别分数，并分别预测未标记样本集SU1和SU2中所有样本的类别,验证集SV1和SV2中所有样本的类别，计算在SV1和SV2上的正确率，最终取SV1和SV2上的平均正确率；步骤11、若满足k的上限值，迭代停止；否则返回步骤8进行第m0+k+1次迭代。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人成都信息工程大学，其通讯地址为：610200 四川省成都市西南航空港经济开发区学府路一段24号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。