首页> 中文会议>第九届全国技术过程故障诊断与安全性学术会议 >加权合成少数类过采样技术在故障诊断中的应用

加权合成少数类过采样技术在故障诊断中的应用

摘要

基于数据的方法主要利用系统过程的大量历史数据进行故障分析和诊断,因此数据的质量对故障诊断的结果会产生重要的影响.虽然在生产过程中大量的过程工艺数据被记录下来,但是由于企业单位生产的固有特点,故障工况的数据常常难以获得,因此训练集中故障样本的数量往往远小于正常样本的数量,即样本集呈现不平衡分布特性.合成的少数类过采样技术(SMOTE)是一种著名的过采样的方法,可以有效的解决类间不平衡问题,但是它没有考虑样本的分布和潜在的噪声数据.为了改善SMOTE的性能,本文提出了加权合成少数过采样技术(WSMOTE).WSMOTE通过引入邻域并将样本按照分布的不同划分为不同的组群,不同的群组拥有不同的采样价值,然后根据采样价值的不同加权合成样本.WSMOTE在处理类别不平衡数据时具有优异的性能,并在半导体制造过程的监控数据仿真中得到了验证.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号