公开(公告)号：CN119992285A

公开(公告)日：2025-05-13

申请号：CN202510085624.6

申请日：2025-01-20

Applicant: 中国矿业大学

Inventor： 王浩宇 ,  乔振壮 ,  刘晓敏 ,  张威 ,  孙程远 ,  杨博文 ,  杜明珠 ,  赵文博 ,  王兆杰

IPC: G06V10/82 ,  G06V10/764 ,  G06V20/10 ,  G06N5/04 ,  G06N3/0985

Abstract: 本申请公开了基于测试时训练的高光谱单源领域泛化方法和存储介质，对原始高光谱图像数据域随机化构建多个虚拟源域；对齐虚拟源域的Hessian矩阵学习域不变知识，据此确定损失函数并训练元源模型。元目标适应时，依据虚拟目标域样本及近邻伪标签，经变分后验推理得对虚拟目标域的观测动态推断模型最大后验概率值。元目标测试中，基于最大后验概率值约束，最大化虚拟目标域样本与真实标签对数似然以优化元源模型，推导元目标损失确定更新规则，在虚拟目标域评估并指导优化。元目标测试阶段，为测试目标域样本分配近邻伪标签，得出实际目标域样本预测类别。本申请在目标域数据源域训练期间不可访问的条件下提升模型的跨域泛化能力。

公开(公告)号：CN119004020B

公开(公告)日：2025-03-28

申请号：CN202411036867.2

申请日：2024-07-31

Applicant: 中国矿业大学

Inventor： 孙程远 ,  王雪松 ,  程玉虎

IPC: G06F18/20 ,  G06F18/10 ,  G06F18/2134 ,  G06F17/10

Abstract: 本发明公开了一种基于多分解核熵学习的非高斯工业过程故障诊断方法，包括：利用信息熵将非高斯工业数据中的过程数据投影到高维空间中，得到高维空间的过程数据矩阵G；从过程数据矩阵G分离出冗余信息矩阵GR；利用奇异值分解技术对冗余信息矩阵GR的负载矩阵进行分解，获得投影矩阵；利用所述投影矩阵从冗余信息矩阵GR中分解出对故障不敏感部分GN，从过程数据矩阵G中去除对故障不敏感部分GN，得到过程数据矩阵GY1，构建数据模型；构建故障检测策略；合并检测指标，构建新的故障诊断指标。本发明方法通过两次分解，最大程度对过程数据进行划分，可以极大程度减少故障误报率，该方法对于非高斯工业过程中的故障，能够还原数据的原始信息，可以更准确地确定故障变量。

公开(公告)号：CN119004020A

公开(公告)日：2024-11-22

申请号：CN202411036867.2

申请日：2024-07-31

Applicant: 中国矿业大学

Inventor： 孙程远 ,  王雪松 ,  程玉虎

IPC: G06F18/20 ,  G06F18/10 ,  G06F18/2134 ,  G06F17/10

Abstract: 本发明公开了一种基于多分解核熵学习的非高斯工业过程故障诊断方法，包括：利用信息熵将非高斯工业数据中的过程数据投影到高维空间中，得到高维空间的过程数据矩阵G；从过程数据矩阵G分离出冗余信息矩阵GR；利用奇异值分解技术对冗余信息矩阵GR的负载矩阵进行分解，获得投影矩阵；利用所述投影矩阵从冗余信息矩阵GR中分解出对故障不敏感部分GN，从过程数据矩阵G中去除对故障不敏感部分GN，得到过程数据矩阵GY1，构建数据模型；构建故障检测策略；合并检测指标，构建新的故障诊断指标。本发明方法通过两次分解，最大程度对过程数据进行划分，可以极大程度减少故障误报率，该方法对于非高斯工业过程中的故障，能够还原数据的原始信息，可以更准确地确定故障变量。