申请/专利权人：北京航空航天大学

申请日：2022-06-01

公开（公告）日：2024-06-21

公开（公告）号：CN114997308B

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/214;G06F18/25;G06N3/0464;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2022.09.20#实质审查的生效;2022.09.02#公开

摘要：本发明公开了一种云边协同的自适应工业数据分类方法及系统，涉及工业大数据技术领域，具体步骤为：获取原始数据，对原始数据的标签进行解构获得子标签；基于CNN网络和MIMO结构构建预训练模型，利用子标签对预训练模型进行微调，训练后获得全局工业数据分类模型；将全局工业数据分类模型按照场景特异性进行压缩，获得场景特异性工业数据分类模型；本发明基于多属性标签解构的标签采样空间扩展方法，可以有效解决某些类别的数据缺失带来的影响，自适应的构建类别相对完备的工业数据分类系统；通过采用多输入多输出的重采样方法，可以有效解决样本类别不均衡的问题，并且使重采样的样本的分布更接近真实数据的分布。

主权项：1.一种云边协同的自适应工业数据分类方法，其特征在于，具体步骤为：获取原始数据，对原始数据的标签进行解构获得子标签，基于多属性标签结构进行标签采样空间扩展，具体包括：获取与任一故障相似的故障作为标记相似数据LSD，并基于任一故障的标记相似数据LSD获取LSD相似标签，对LSD相似标签进行解构，获得LSD相似子标签，所述子标签为相似的属性；基于CNN网络和多输入多输出MIMO结构构建预训练模型，利用子标签对预训练模型进行微调，训练后获得全局工业数据分类模型，在MIMO结构中，多个样本作为一个整体拼接在一体，同时输入神经网络，模型的多个输出通过一个全连接网络集成；预训练模型由使用MIMO结构的CNN模块和感知机MLP组成，在微调阶段，使用预先训练的模型为每个子标签设计一个分类器，对预训练模型的CNN层重新训练，MLP层被多组径向基函数RBF模块代替，其中N为子标签的数量，每个RBF模块的预测结果通过一个全连接层融合成为最终的工业数据分类结果；构建预训练模型时还包括重采样数据的获取，包括有分类类别样本的重采样数据获取和没有分类类别样本的重采样获取；将全局工业数据分类模型按照场景特异性进行压缩，获得场景特异性工业数据分类模型，将压缩后的模型传输至边缘，用于实时工业数据分类；具体包括：对全局模型进行剪枝，修剪掉目标边缘无关的输入和输出神经元，模型输入的每个位置与类别相关，然后对修剪模型进行微调。

全文数据：

权利要求：

百度查询： 北京航空航天大学 云边协同的自适应工业数据分类方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD