[发明专利]一种基于KNN算法的断路器缺陷等级划分方法

摘要

本发明涉及一种基于KNN算法的断路器缺陷等级划分方法。现有的等级划分方法为通过运维人员经验判断，费时费力且正确率受人为影响较大。本发明首先建立“断路器缺陷文本词库”，然后针对断路器缺陷文本属于短文本的特点，提出了文本预处理方法，将其转化为可直接计算的向量。接着采用KNN算法，寻找与待分类缺陷文本最相近的几条文本，并加权计算出待分类缺陷文本所属的缺陷等级。本发明对断路器缺陷文本的分类计算效率高，方便应用。

主权项

一种基于KNN算法的断路器缺陷检测方法，其特征在于该方法包括以下步骤：步骤1：建立断路器缺陷文本词库；步骤2：分词；依据步骤1建立的词库，将缺陷文本中的中文字符串切分成词语序列；步骤3：词频统计；对文本中所有词进行出现频次的统计并据此排序；完整的词频统计结果包括了文本中出现的所有词，可用这些词构成文本向量的向量空间；每个词对应向量空间中一维；步骤4：去除停用词，即去除无法表征文本的词，建立停用词表，再将词频统计结果和停用词表中的词进行对照，删去词频统计结果中的停用词；步骤5：文本向量化，即把经过上述处理的文本转化为数字向量的表示结果；每一条文本对应一个特征向量，特征向量的每一维对应词频统计结果中的每一个词；具体是根据文本向量的向量空间，再根据分词结果，将每条文本中的词与向量空间每一维对应的词作对照，如果相同，则在该文本对应的特征向量中，将该词对应的维记为1，否则为0；步骤6：量化缺陷文本的缺陷程度，紧急为3，重要为2，一般为1；步骤7：针对每一个缺陷文本，重复步骤2～6，建立缺陷文本库；步骤8：计算待归类文本与缺陷文本库中每个文本的文本相近程度；对待归类缺陷文本执行步骤2～5，完成文本向量化，然后采用式(1)计算待测文本与缺陷文本库中每一个文本的相似度S_ij：$S_{\mathrm{ij}}=\frac{\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{W}_{\mathrm{il}}\×W_{\mathrm{jl}}}{\sqrt{\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{W_{\mathrm{il}}}^2}\sqrt{\underset{l=1}{\overset{M}{\mathrm{\Σ}}}{W_{\mathrm{jl}}}^2}}---\left(1\right)$式中，S_ij为待归类文本i与文本库中文本j之间的相似度，M为向量的维数，W_il为文本i的特征向量的第l维的值，W_jl为文本j的特征向量的第l维的值；步骤9：按照文本相似度，在文本库中选出与待归类文本最相似的k条文本；步骤10：利用式(2)计算待归类缺陷文本i描述的缺陷严重程度y_i：$y_i=\frac{\underset{l=1}{\overset{k}{\mathrm{\Σ}}}{S}_{\mathrm{il}}{y}_l}{\underset{l=1}{\overset{k}{\mathrm{\Σ}}}{S}_{\mathrm{il}}}---\left(2\right)$其中，y_l为第l条缺陷文本描述的缺陷严重程度。