[发明专利]一种基于双对比架构的模式识别方法

权利要求书

1.一种基于双对比架构的模式识别方法，其特征在于，包括以下步骤：

步骤1，数据预处理：对数据集中每个样本进行三种不同参数下的时频变换，获得数据增强样本；

步骤2，双对比结构搭建：双对比架构由编码器f_q、编码器f_k和编码器f_j并联组合而成；

步骤3，负例集初始化：负例集包含两个，两个负例集的初始化值分别是编码器f_k和编码器f_j对若干个随机选取的数据增强样本提取的编码特征的集合；

步骤4，双对比架构训练：采用数据集中无标签数据样本利用对比方法训练双对比架构；

步骤5，标签扩散：采用编码器f_q和距离计算函数，利用有标签样本和标签扩散方法给部分无标签样本打标签，获得扩散后的有标签数据集；

步骤6，模式识别模型有监督训练：模式识别模型由编码器f_q和线性分类器组成，采用扩散后的有标签数据集对整个模式识别模型进行有监督训练；

步骤7，在线模式识别：将测试数据样本经过1次数据增强后输入到训练好的模式识别模型中，得到模式识别结果。

2.根据权利要求1所述的基于双对比架构的模式识别方法，其特征在于，所述数据集中每种类别均含有少量的类别标签；时频变换的方法为短时傅里叶变换、小波变换、魏格纳-威尔变换中的一种；所述编码器通过全连接网络、深度卷积网络、深度置信网络、深度残差网络、生成对抗网络、自动编码器或流模型中的一种来构建。

3.根据权利要求2所述的基于双对比架构的模式识别方法，其特征在于，所述步骤1实现方法为：将采集到的一维振动信号经过短时傅里叶变换得到一个时频矩阵，并通过插值法将时频矩阵修剪至合适的大小；短时傅里叶变换的参数进行随机设置，每个样本做三次随机短时傅里叶变换，得到三个不同的时频信号x_q、x_k和x_j，并划分为训练集和测试集。

4.根据权利要求1或3所述的基于双对比架构的模式识别方法，其特征在于，所述步骤2中的编码器f_q、编码器f_k和编码器f_j平行布置，编码器f_q、编码器f_k和编码器f_j的输入分别为训练集中三种不同的数据增强样本、输出为样本的编码特征。

5.根据权利要求4所述的基于双对比架构的模式识别方法，其特征在于，所述步骤3的实现方法为：建立两个空的负例集M_k和负例集M_j；随机选取经过数据增强后的时频信号x_k、x_j分别输入到编码器f_k、编码器f_j中，得到编码特征k、编码特征j，将编码特征k填充进负例集M_k、编码特征j填充进负例集M_j，直到达到预定的负例集大小。

6.根据权利要求1所述的基于双对比架构的模式识别方法，其特征在于，所述对比方法为DeepInfoMax、MoCo、SimCLR、BYOL、AdCo中的一种。