[發明專利]基于加權極限學習機集成算法的污水處理故障診斷方法在審

申請號：	201710021709.3	申請日：	2017-01-12
公開（公告）號：	CN106874934A	公開（公告）日：	2017-06-20
發明（設計）人：	許玉格;孫稱立;陳立定	申請（專利權）人：	華南理工大學
主分類號：	G06K9/62	分類號：	G06K9/62;G06N3/04
代理公司：	廣州市華學知識產權代理有限公司44245	代理人：	羅觀祥
地址：	510640 廣***	國省代碼：	廣東;44
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于加權極限學習機集成算法污水處理故障診斷方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.一種基于加權極限學習機集成算法的污水處理故障診斷方法，其特征在于，所述方法包括：

S1、采用集成學習算法AdaBoost作為不平衡數據分類的整體算法框架，將不平衡數據的最優類分布和最優類代表樣例的尋找與集成學習中的多次采樣技術融合，并生成集成分類器；

S2、采用改進后的集成算法權值初始化方法進行初始化；

S3、采用改進后的加權極限學習機作為集成學習算法的基分類器進行迭代；

S4、輸入污水處理過程中產生的樣本數據，設置集成算法的基分類器個數T，基分類器的最優核寬度γ，對應的最優正則化系數C，進行迭代，對輸入的污水數據進行分類即故障診斷。

2.根據權利要求1所述的基于加權極限學習機集成算法的污水處理故障診斷方法，其特征在于，所述步驟S1具體包括：

S11、給定污水樣本集{(x₁,y₁),(x₂,y₂),…,(x_N,y_N)}，其中x_i∈X表示X的第i個樣本，y_i表示其對應的類別標簽，y_i∈Y＝{1,2,…,k}，k表示總共有k個類別；

S12、初始化訓練樣本x_i的權重分布D(i)：i＝1,2,…,N；

S13、訓練弱分類器；

S14、得到集成分類器。

3.根據權利要求2所述的基于加權極限學習機集成算法的污水處理故障診斷方法，其特征在于，所述步驟S13具體包括：

S131、設置集成算法的基分類器個數T；

S132、使用加權核極限學習機作為基分類器h_t對訓練樣本進行訓練，得到訓練模型和訓練誤差ε_t，若樣本分類正確則不計入誤差，若所有樣本都被正確分類則誤差為0，若樣本分類錯誤則計入誤差；

S133、若ε_t≥0.5，則退出迭代；

S134、計算基分類器h_t的權重

S135、調整樣本下一輪迭代的權值分布D_t+1，D_t+1的調整規則如下所示：

D_t+1(i)＝D_t(i)exp(-α_t*I(x_i))，

4.根據權利要求2所述的基于加權極限學習機集成算法的污水處理故障診斷方法，其特征在于，所述集成分類器為：

$<mrow><mi>f</mi><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><munder><mrow><mi>arg</mi><mi>max</mi></mrow><mi>k</mi></munder><munderover><mo>Σ</mo><mrow><mi>t</mi><mo>=</mo><mn>1</mn></mrow><mi>T</mi></munderover><msub><mi>α</mi><mi>t</mi></msub><mo>·</mo><mo>(</mo><msub><mi>h</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mi>k</mi><mo>)</mo><mo>.</mo></mrow>$

下載完整專利技術內容需要扣除積分，VIP會員可以免費下載。

免登錄下載普通用戶下載升級VIP會員，免費下載

該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于華南理工大學，未經華南理工大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】

本文鏈接：http://www.szxzyx.cn/pat/books/201710021709.3/1.html，轉載請聲明來源鉆瓜專利網。