[發(fā)明專(zhuān)利]一種鋁電解過(guò)熱度不平衡數(shù)據(jù)的自適應(yīng)過(guò)采樣方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201810120319.6
• 申請(qǐng)日: 2018-02-07
• 公開(kāi)（公告）號(hào): CN108277506B
• 公開(kāi)（公告）日: 2019-11-22
• 發(fā)明（設(shè)計(jì)）人: 陳曉方;朱琛豪;黃兆可;陽(yáng)春華;謝永芳
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中南大學(xué)
• 主分類(lèi)號(hào): C25C3/20
• 分類(lèi)號(hào): C25C3/20;C25C3/18
• 代理公司: 43235 長(zhǎng)沙軒榮專(zhuān)利代理有限公司
• 代理人: 葉碧蓮<國(guó)際申請(qǐng)>=<國(guó)際公布>=<進(jìn)入

1.一種鋁電解過(guò)熱度不平衡數(shù)據(jù)的自適應(yīng)過(guò)采樣方法，其特征在于，包括以下步驟：

①將待處理的鋁電解過(guò)熱度不平衡原始數(shù)據(jù)分成多數(shù)類(lèi)樣本和少數(shù)類(lèi)樣本；

②設(shè)定過(guò)采樣方法中參數(shù)的上下界，隨機(jī)選取參數(shù)值；

③使用過(guò)采樣方法作用于少數(shù)類(lèi)樣本，得到新的合成少數(shù)類(lèi)樣本；

④將合成少數(shù)類(lèi)樣本和原始數(shù)據(jù)樣本合并，評(píng)價(jià)其分類(lèi)性能；

⑤使用狀態(tài)轉(zhuǎn)移算法重新選取過(guò)采樣方法中的參數(shù)值，重復(fù)步驟③④，得到并保存分類(lèi)性能較好的那一組參數(shù)值；

⑥由子程序SMOTE用于生成解集Y，算法會(huì)比較解集Y每個(gè)解y的Kappa值和精確度，得到最優(yōu)的解x，然后繼續(xù)迭代，將此次得到的最優(yōu)解x重新代入，如此反復(fù)進(jìn)行迭代，設(shè)定的最大迭代次數(shù)為5-50次，此時(shí)通過(guò)SMOTE得到最優(yōu)解；

其中，多數(shù)類(lèi)樣本表示為正類(lèi)，也就是正常數(shù)據(jù)；少數(shù)類(lèi)表示為負(fù)類(lèi)，也就是異常數(shù)據(jù)。

2.根據(jù)權(quán)利要求1所述的方法，所述原始數(shù)據(jù)包括1000-2000個(gè)數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的方法，所述原始數(shù)據(jù)包括1200-1800個(gè)數(shù)據(jù)。

4.根據(jù)權(quán)利要求1所述的方法，所述原始數(shù)據(jù)包括1500個(gè)數(shù)據(jù)。

5.根據(jù)權(quán)利要求1所述的方法，所述步驟①還包括對(duì)數(shù)據(jù)進(jìn)行初始化，輸入和輸出相關(guān)變量。

6.根據(jù)權(quán)利要求5所述的方法，輸入的相關(guān)變量包括系列電流、針振、擺動(dòng)、出鋁量、下料間隔、分子比、槽溫、兩水平共八種變量，輸出的相關(guān)變量為過(guò)熱度，其中兩水平包括鋁水平、電解質(zhì)水平。

7.根據(jù)權(quán)利要求1所述的方法，所述步驟②具體為：對(duì)SMOTE的參數(shù)進(jìn)行設(shè)定，SMOTE算法為一種常用的解決類(lèi)不平衡問(wèn)題中的過(guò)采樣方法，其參數(shù)包括x＝(k,N)其，中k表示最近鄰域面積，N表示過(guò)采樣率；

k＝k_min+(k_max-k_min)×rand

N＝N_min+(N_max-N_min)×rand

其中N_max表示多數(shù)類(lèi)和少數(shù)類(lèi)的比例，N_min是100％，k_min＝2，k_max表示少數(shù)類(lèi)的總數(shù)。

8.根據(jù)權(quán)利要求1所述的方法，步驟④樣本合并后，生成初始解決方案，隨機(jī)生成一個(gè)生成對(duì)應(yīng)的解y＝(KappaBest,AccuracyBest)，Kappa反映了分類(lèi)準(zhǔn)確度，Kappa值越高，準(zhǔn)確度就越可信；

TP表示預(yù)測(cè)為正類(lèi)，實(shí)際也為正類(lèi)的樣本數(shù)，F(xiàn)N表示預(yù)測(cè)為負(fù)類(lèi)，實(shí)際為正類(lèi)的樣本數(shù)，F(xiàn)P表示預(yù)測(cè)為正類(lèi)，實(shí)際為負(fù)類(lèi)的樣本數(shù)，TN表示預(yù)測(cè)為負(fù)類(lèi)，實(shí)際為負(fù)類(lèi)的樣本數(shù)。

9.根據(jù)權(quán)利要求1所述的方法，重復(fù)步驟③④具體包括：通過(guò)使用子程序SMOTE(T,k,N)來(lái)重新平衡原始數(shù)據(jù)集，其中T代表少數(shù)實(shí)例，新的數(shù)據(jù)集是通過(guò)組合原數(shù)據(jù)集和合成數(shù)據(jù)集創(chuàng)建的，然后傳統(tǒng)分類(lèi)器通過(guò)使用新的數(shù)據(jù)集進(jìn)行訓(xùn)練和評(píng)估。

10.根據(jù)權(quán)利要求1所述的方法，所述狀態(tài)轉(zhuǎn)移算法包括引入狀態(tài)轉(zhuǎn)移算法中的旋轉(zhuǎn)變換，平移變換，擴(kuò)展變換，坐標(biāo)變換得到SE個(gè)候選集X。

11.根據(jù)權(quán)利要求1所述的方法，設(shè)定的最大迭代次數(shù)為10-30次。

12.根據(jù)權(quán)利要求1所述的方法，設(shè)定的最大迭代次數(shù)為20-25次。