[發明專利]基于代價敏感的自組織網絡的故障探測方法有效
| 申請號： | 201810530213.3 | 申請日： | 2018-05-29 |
| 公開（公告）號： | CN108768772B | 公開（公告）日： | 2020-06-09 |
| 發明（設計）人： | 鄧越宇;朱琨;王然;雷磊 | 申請（專利權）人： | 南京航空航天大學 |
| 主分類號： | H04L12/26 | 分類號： | H04L12/26;H04L12/24;H04L29/08;G06K9/62 |
| 代理公司： | 南京瑞弘專利商標事務所(普通合伙) 32249 | 代理人： | 秦秋星 |
| 地址： | 211106 江*** | 國省代碼： | 江蘇;32 |
| 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 代價 敏感 組織網絡 故障 探測 方法 | ||
1.基于代價敏感的自組織網絡的故障探測方法，其特征在于，包括如下步驟：
步驟1：收集樣本，并將樣本貼上分類標簽，構成訓練樣本集，所述分類標簽包括正常和故障；
步驟2：分別估算將正常類樣本和故障類樣本錯誤分類帶來的損失，并以此構建代價矩陣；
步驟3：根據所述代價矩陣和所述訓練樣本集中正常類樣本和故障類樣本的數量確定所述訓練樣本集中故障類樣本的縮放比例；所述縮放比例為：其中，N+是訓練樣本集中故障類樣本的數量，N-是訓練樣本集中正常類樣本的數量，C10、C01分別表示將實際故障類樣本和實際正常類樣本錯誤分類帶來的損失；
步驟4：根據所述縮放比例求得理想訓練樣本集中故障類樣本的數量，然后使用過采樣算法調整所述訓練樣本集中故障樣本的數量至理想數量；
步驟5：使用步驟4所得調整后的訓練樣本集訓練分類器。
2.根據權利要求1所述的基于代價敏感的自組織網絡的故障探測方法，其特征在于，步驟2中，所述代價矩陣為：
3.根據權利要求1所述的基于代價敏感的自組織網絡的故障探測方法，其特征在于，步驟4中，所述過采樣算法為SMOTE算法，包括如下步驟：
步驟1：確定采樣率N：
其中，N′t是根據縮放比例求得的理想訓練樣本集中故障類樣本的數量，而Nt則是初始訓練樣本集中故障類樣本的數量；
步驟2：采用k-近鄰算法找到訓練樣本集中每個故障類樣本的最近鄰；
步驟3：隨機選擇一個最近鄰與當前故障類樣本合成一個新樣本；
新樣本通過如下方式合成：xnew＝xi+rand(0,1)*(xi-x′)
其中，xnew是合成的新樣本，xi是某個少數類樣本；x′則是根據KNN算法找的最近鄰；rand(0,1)是在(0，1)范圍內產生的隨機數；
步驟4：重復步驟3，直至調整后的故障類樣本數量達到初始故障類樣本數量的N倍。
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南京航空航天大學，未經南京航空航天大學許可，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/201810530213.3/1.html，轉載請聲明來源鉆瓜專利網。
