【技术实现步骤摘要】
本专利技术涉及数据增强，尤其是指一种基于代价敏感主动学习和生成对抗网络的不平衡数据分析方法、装置、设备及计算机存储介质。
技术介绍
1、工业故障诊断是现代工业生产过程中至关重要的一环。随着工业自动化程度的不断提高，许多生产设备和系统都实现了智能化控制，从而提高了生产效率和产品质量。然而，随之而来的是设备的复杂性增加，由大量传感器、执行器和控制器组成的设备结构变得更加复杂，这给故障诊断带来了挑战。设备故障可能会导致生产线停滞，引发生产中断，严重影响企业的经济效益。
2、为了解决这些问题，工业界开始采用数据驱动的分析技术，通过实时监测、收集和分析设备运行数据来识别设备状态异常，预测潜在的故障风险，并提供及时的故障诊断和维护建议。大数据、人工智能和机器学习等技术的发展为工业故障诊断提供了新的解决方案，使得诊断过程更加精准和高效。此外，随着人们对安全和环保意识的增强，工业企业越来越重视故障诊断在保障生产安全和环境保护方面的作用。通过及时发现并解决潜在的设备故障，可以降低事故发生的风险，保护员工的安全和环境的可持续发展。
...
【技术保护点】
1.一种不平衡数据分析方法，其特征在于，包括：
2.根据权利要求1所述的不平衡数据分析方法，其特征在于，所述分类器为堆叠自编码器，所述堆叠自编码器的训练过程采用贪心策略。
3.根据权利要求1或2所述的不平衡数据分析方法，其特征在于，所述生成对抗网络训练过程中生成器网络的损失函数为：
4.根据权利要求1-3任一项所述的不平衡数据分析方法，其特征在于，所述利用主动学习策略对所述生成数据集进行划分，得到I型增强数据集和II型增强数据集前还包括：
5.根据权利要求1-4任一项所述的不平衡数据分析方法，其特征在于，所述利用主动学习...
【技术特征摘要】
1.一种不平衡数据分析方法，其特征在于，包括：
2.根据权利要求1所述的不平衡数据分析方法，其特征在于，所述分类器为堆叠自编码器，所述堆叠自编码器的训练过程采用贪心策略。
3.根据权利要求1或2所述的不平衡数据分析方法，其特征在于，所述生成对抗网络训练过程中生成器网络的损失函数为：
4.根据权利要求1-3任一项所述的不平衡数据分析方法，其特征在于，所述利用主动学习策略对所述生成数据集进行划分，得到i型增强数据集和ii型增强数据集前还包括：
5.根据权利要求1-4任一项所述的不平衡数据分析方法，其特征在于，所述利用主动学习策略对所述生成数据集进行划分，得到i型增强数据集和ii型增强数据集包...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。