-
公开(公告)号:CN112215290B
公开(公告)日:2024-04-09
申请号:CN202011110501.7
申请日:2020-10-16
Applicant: 苏州大学
IPC: G06F18/2132 , G06F18/2115 , G06N20/00
Abstract: 本发明涉及一种基于Fisher得分的Q学习辅助数据分析方法及系统,包括:将待处理数据输入训练样本中,初始化Q值表;从所述训练样本中任意选择多个数据组成本轮迭代的片段,计算所述片段中每个特征类内距离和类间距离,初始化本轮训练特征子集,获得本轮学习率和更新概率;根据Q值表选择当前状态下的动作,更新Q值表及本轮子集状态;判断本轮子集是否已满,若未满,则返回上一步,若已满,则继续判断是否满足迭代次数,若未满,则返回第二步,若已满,进入下一步;根据Q值表获得当前排序,返回目标子集。本发明不但提升速度快、更加稳定,且具有更好的泛化性能,时间复杂度较低。
-
公开(公告)号:CN111275135B
公开(公告)日:2023-09-12
申请号:CN202010125156.8
申请日:2020-02-27
Applicant: 苏州大学
IPC: G06F18/24 , G06F18/214
Abstract: 本申请公开了一种故障诊断方法、装置、设备、介质,该方法包括:获取待测样本;对所述待测样本进行预处理,得到目标待测样本;利用k近邻分类算法和预先得到的目标参考集对所述目标待测样本进行分类,以便确定所述目标待测样本是否是故障数据。由此可见,本申请在获取到待测样本之后,先对待测样本进行相应的预处理,得到目标待测样本,然后利用k近邻分类算法和预先得到的目标参考集对所述目标待测样本进行分类,根据分类结果确定所述目标待测样本是否是故障数据。这样能够利用预先得到的参考集对待检测数据进行分类,从而确定出待检测数据是否是故障数据,提高故障诊断的效率以及检测率。
-
公开(公告)号:CN111275135A
公开(公告)日:2020-06-12
申请号:CN202010125156.8
申请日:2020-02-27
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本申请公开了一种故障诊断方法、装置、设备、介质,该方法包括:获取待测样本;对所述待测样本进行预处理,得到目标待测样本;利用k近邻分类算法和预先得到的目标参考集对所述目标待测样本进行分类,以便确定所述目标待测样本是否是故障数据。由此可见,本申请在获取到待测样本之后,先对待测样本进行相应的预处理,得到目标待测样本,然后利用k近邻分类算法和预先得到的目标参考集对所述目标待测样本进行分类,根据分类结果确定所述目标待测样本是否是故障数据。这样能够利用预先得到的参考集对待检测数据进行分类,从而确定出待检测数据是否是故障数据,提高故障诊断的效率以及检测率。
-
公开(公告)号:CN112215290A
公开(公告)日:2021-01-12
申请号:CN202011110501.7
申请日:2020-10-16
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于Fisher得分的Q学习辅助数据分析方法及系统,包括:将待处理数据输入训练样本中,初始化Q值表;从所述训练样本中任意选择多个数据组成本轮迭代的片段,计算所述片段中每个特征类内距离和类间距离,初始化本轮训练特征子集,获得本轮学习率和更新概率;根据Q值表选择当前状态下的动作,更新Q值表及本轮子集状态;判断本轮子集是否已满,若未满,则返回上一步,若已满,则继续判断是否满足迭代次数,若未满,则返回第二步,若已满,进入下一步;根据Q值表获得当前排序,返回目标子集。本发明不但提升速度快、更加稳定,且具有更好的泛化性能,时间复杂度较低。
-
-
-