公开(公告)号：CN119475058A

公开(公告)日：2025-02-18

申请号：CN202411833708.5

申请日：2024-12-13

Applicant: 无锡学院

Inventor： 梁伟 ,  张凯 ,  王泉 ,  吴豪

IPC: G06F18/2411 ,  G06F18/243 ,  G01M13/00

Abstract: 本发明属于工业自动化与机器学习应用技术领域，具体涉及一种基于改进随机森林的发动机打紧故障类型分类方法，其特征在于，具体操作步骤如下：1)将拧紧曲线数据附加标签；2)数据预处理，去除噪音点,完成主要曲线段提取；3)特征提取；4)训练改进的随机森林模型，完成分类。与现有技术相比，本发明的有益效果是：基于改进随机森林的缺陷数据分类算法，能够对缺陷数据进行分类，还能有效检测出新类型的缺陷数据，不但可以对已有缺陷类型的数据进行分类，而且能有效识别出新类型的故障数据，降低了潜在的风险，具有显著的技术和经济应用价值。

公开(公告)号：CN119691454A

公开(公告)日：2025-03-25

申请号：CN202411877354.4

申请日：2024-12-19

Applicant: 无锡学院

Inventor： 张凯 ,  梁伟 ,  王泉 ,  吴豪 ,  陈祺东 ,  薛涛

IPC: G06F18/214 ,  G06F18/213 ,  G06F18/21 ,  G06F18/2411 ,  G06F123/02

Abstract: 本发明涉及数据处理技术领域，具体涉及一种不均衡分类的时序数据过采样方法及系统，包括：将从不均衡分类的时序数据提取得到的特征表示从高维空间映射至低维空间，并引入监督对比机制调整低维空间中的时序数据分布；在所述低维空间中，根据时序数据的分布密度识别少数类样本中的高质量样本；基于所述高质量样本通过插值生成新样本；对所述新样本进行验证，保留验证通过的样本，得到过采样处理后的时序数据。相较于现有技术，本发明提升了时序数据过采样时的质量与平衡性。