[發明專利]一種基于雙對比架構的模式識別方法

在審

• 申請號: 202310346327.3
• 申請日: 2023-04-03
• 公開（公告）號: CN116304603A
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 賈連輝;黃偉國;王俊;陸棱輝;孟祥波;魏曉龍;陽斌;張哲學;李文華
• 申請（專利權）人: 中鐵工程裝備集團有限公司;蘇州大學
• 主分類號: G06F18/21
• 分類號: G06F18/21;G06N3/09;G06N3/088;G06N3/0464
• 代理公司: 鄭州優盾知識產權代理有限公司 41125
• 代理人: 栗改

1.一種基于雙對比架構的模式識別方法，其特征在于，包括以下步驟：

步驟1，數據預處理：對數據集中每個樣本進行三種不同參數下的時頻變換，獲得數據增強樣本；

步驟2，雙對比結構搭建：雙對比架構由編碼器f_q、編碼器f_k和編碼器f_j并聯組合而成；

步驟3，負例集初始化：負例集包含兩個，兩個負例集的初始化值分別是編碼器f_k和編碼器f_j對若干個隨機選取的數據增強樣本提取的編碼特征的集合；

步驟4，雙對比架構訓練：采用數據集中無標簽數據樣本利用對比方法訓練雙對比架構；

步驟5，標簽擴散：采用編碼器f_q和距離計算函數，利用有標簽樣本和標簽擴散方法給部分無標簽樣本打標簽，獲得擴散后的有標簽數據集；

步驟6，模式識別模型有監督訓練：模式識別模型由編碼器f_q和線性分類器組成，采用擴散后的有標簽數據集對整個模式識別模型進行有監督訓練；

步驟7，在線模式識別：將測試數據樣本經過1次數據增強后輸入到訓練好的模式識別模型中，得到模式識別結果。

2.根據權利要求1所述的基于雙對比架構的模式識別方法，其特征在于，所述數據集中每種類別均含有少量的類別標簽；時頻變換的方法為短時傅里葉變換、小波變換、魏格納-威爾變換中的一種；所述編碼器通過全連接網絡、深度卷積網絡、深度置信網絡、深度殘差網絡、生成對抗網絡、自動編碼器或流模型中的一種來構建。

3.根據權利要求2所述的基于雙對比架構的模式識別方法，其特征在于，所述步驟1實現方法為：將采集到的一維振動信號經過短時傅里葉變換得到一個時頻矩陣，并通過插值法將時頻矩陣修剪至合適的大小；短時傅里葉變換的參數進行隨機設置，每個樣本做三次隨機短時傅里葉變換，得到三個不同的時頻信號x_q、x_k和x_j，并劃分為訓練集和測試集。

4.根據權利要求1或3所述的基于雙對比架構的模式識別方法，其特征在于，所述步驟2中的編碼器f_q、編碼器f_k和編碼器f_j平行布置，編碼器f_q、編碼器f_k和編碼器f_j的輸入分別為訓練集中三種不同的數據增強樣本、輸出為樣本的編碼特征。

5.根據權利要求4所述的基于雙對比架構的模式識別方法，其特征在于，所述步驟3的實現方法為：建立兩個空的負例集M_k和負例集M_j；隨機選取經過數據增強后的時頻信號x_k、x_j分別輸入到編碼器f_k、編碼器f_j中，得到編碼特征k、編碼特征j，將編碼特征k填充進負例集M_k、編碼特征j填充進負例集M_j，直到達到預定的負例集大小。

6.根據權利要求1所述的基于雙對比架構的模式識別方法，其特征在于，所述對比方法為DeepInfoMax、MoCo、SimCLR、BYOL、AdCo中的一種。