[发明专利]基于半监督学习的孪生超限学习机分类的数据处理方法

说明书

本发明涉及一种基于半监督学习的孪生超限学习机分类的数据处理方法，属于数据挖掘与处理技术领域。本发明在基于随机特征映射机制的基础上采用两个非平行分类面进行分类的半监督学习算法，将流行正则化、随机特征映射和两个非平行分类面的技术组合起来，解决单分类面在交叉数据等问题上缺陷，并在有奇异点的情况下保证有较强的鲁棒性，同时克服了之前算法在少量有标签样本上无法同时满足泛化能力与计算效率要求的问题。本发明方法，可以在有标签数据较少的情况下，充分挖掘无标签数据所蕴含的信息，非常适用于在高铁、风机等新兴高技术领域的故障诊断中，计算速度快，基本上可做到实时判断，且分类的准确率高。

技术领域

本发明涉及一种基于半监督学习的孪生超限学习机分类的数据处理方法，属于数据挖掘与处理技术领域。

背景技术

近年来随着信息采集技术和计算机存储技术提升，企业为达到信息化、智能化管理和运作的目标，在企业运行的各个阶段积累了大量的数据信息，例如高铁、风机运行中的状态信息、故障信息等，这些信息都可以作为机器学习的样本，其中有标注的称为有标签数据，而这些有标签数据采用机器学习算法进行学习，就可以发现故障现象与机器状态信息间的对应关系或相关规律，然而在整个高铁或风机系统的故障诊断中，有标签数据需要人工进行标注，不仅费时间且费钱，所以积累较少，并随着运行不断地产生海量的无标签数据，这些数据也蕴含着大量的有用信息，因此，研究基于少量的有标签数据和大量的无标签数据的机器学习算法具有非常重要的现实意义。基于半监督学习的孪生超限学习机分类的数据处理的目的就是学习有标签数据中的规律，并发现无标签数据中蕴含的有用信息，从而快速、准确地找出故障发生的原因，为智能化的故障诊断、快速检修提供基础。

以往研究主要集中于有标签数据的数据积累较多的领域，利用机器学习的方法学习规律或建立预测模型，根据这些规律或模型对新的数据进行分类判断。而在实际应用场景中，经常出现有标签数据积累较少的情况，如新兴行业和领域、新设备、新机器等，数据收集比较困难，或者收集成本很大，此时，我们既缺乏足够的有标签数据进行分析，也缺乏具有实际工作经验的工作人员，因此更加需要先进的基于少量有标签数据的机器学习方法，从无标签数据中挖掘出有效信息，来达到有标签数据量充足时的机器学习效果。

半监督学习(Semi-supervised learning,SSL)正是凭借其通过少量有标签数据挖掘大量有用信息的能力引起了学者们的关注。现在的有的比较流行的半监督学习方法如直推式支持向量机、联合训练、基于图的方法等。它假设有标签数据和无标签数据是根据同一个概率分布生成的，且所有的数据位于一个低维度的流形中。基于图的半监督学习方法是整个半监督学习方法中一个非常重要的研究领域。在这类方法中，图中的每个顶点都代表一个输入数据，边的权重则反映两个数据之间的相似程度。如果两个数据之间的权重比较大，两个数据的标签就比较相似，反之亦然。通过这种方式，图能反映所有数据之间的相似程度，有标签样本也利用这种方式传播它的信息。基于这种思路提出了许多算法，如半监督超限学习机、拉普拉斯支持向量机，拉普拉斯正则最小二乘等。然而这些算法均为单分类面算法，在对交叉数据分类时存在缺陷，也无法对奇异点进行有效分类。

发明内容

本发明的目的是提出一种基于半监督学习的孪生超限学习机分类的数据处理方法，一种在基于随机特征映射机制的基础上采用两个非平行分类面进行分类的半监督学习算法。该算法将流行正则化、随机特征映射和两个非平行分类面的技术组合起来，解决单分类面在交叉数据等问题上缺陷，并能在有奇异点的情况下保证有较强的鲁棒性，同时克服已有算法在少量有标签样本上无法同时满足泛化能力与计算效率要求的问题。

本发明提出的基于半监督学习的孪生超限学习机分类的数据处理方法，该方法包括以下步骤：

(1)对数据集合进行分解：