基于标签传播字典学习的模式间相似性工业过程监控方法

科技工作者之家 10月12日

    Keke HUANG, Shijun TAO, Yishun LIU, Chunhua YANG & Weihua GUI. Label propagation dictionary learning based process monitoring method for industrial process with between-mode similarity. Sci China Inf Sci, DOI: 10.1007/s11432-021-3341-y随着工业网络物理系统(ICPS)的发展,从工业过程中收集了少量的标记数据和大量的未标记数据。

    由于内部运行条件和外部环境的变化,数据样本之间存在模式间的相似性。

    标记数据的稀缺性和相似性的存在使得提取数据特征具有挑战性,并且给流程监控带来了新的挑战。

    为了解决这些问题,本文提出了一种标签传播字典学习方法。

    首先建立了原子与相应轮廓之间的联系,并通过图拉普拉斯正则化实现了原子标签的传播。

    然后,考虑到同一类样本的相似性,在稀疏编码中加入低秩约束,以增强标签的相互传播。

    最后,设计了一种同时获取字典和分类器的优化方法。

    当新的数据样本到达时,基于学习到的字典和分类器进行过程监控和状态预测。

    实验结果表明,该方法比现有的几种方法具有更好的监测性能,表明了该方法的优越性。

    最新录用文章未经编辑加工,可能会与最终出版文章有微小差异。

    本文内容均来自于作者提交最终版稿件英文原文,中文文字为编辑翻译加工,请以作者英文原文为准。


20211012140859_b75a4c.jpg
20211012140859_bb86af.jpg
20211012140900_c08460.jpg



来源: 中国科学信息科学

原文链接:http://mp.weixin.qq.com/s?__biz=MzAxNjgwMjA5Ng==&mid=2651152410&idx=1&sn=1f291bb5fc4c2952dc2b379b1bbf4476

版权声明:除非特别注明,本站所载内容来源于互联网、微信公众号等公开渠道,不代表本站观点,仅供参考、交流、公益传播之目的。转载的稿件版权归原作者或机构所有,如有侵权,请联系删除。

电话:(010)86409582

邮箱:kejie@scimall.org.cn

相似性 amp 样本

推荐资讯