[发明专利]基于加权极限学习机的SMOTE_Bagging集成污水处理故障诊断方法有效
| 申请号： | 201711268459.X | 申请日： | 2017-12-05 |
| 公开（公告）号： | CN108228716B | 公开（公告）日： | 2020-01-14 |
| 发明（设计）人： | 许玉格;赖春伶;罗飞 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08;G06Q50/06 |
| 代理公司： | 44245 广州市华学知识产权代理有限公司 | 代理人： | 冯炳辉 |
| 地址： | 511458 广东省广州市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于加权极限学习机的SMOTE_Bagging集成污水处理故障诊断方法，包括步骤：1)用均值法补全污水数据中属性不完整的样本的缺陷项，将其归一化到[0,1]区间中；2)设置基分类器个数及其隐层节点数的最优参数；3)针对每个基分类器采用改进的SMOTE算法对其对应的训练样本集进行独立过采样，训练基分类器；4)用基于G‑mean的方法确定每个基分类器的输出权值；5)对所有基分类器训练结束后将其进行集成，得到最终的集成分类器。本发明在有效地降低了污水数据的不平衡性的同时提高了基分类器间的多样性，提高了对污水处理故障类的分类准确率，进而有效提高了污水处理过程中故障诊断的整体性能。 | ||
| 搜索关键词： | 基分类器 故障诊断 污水处理 极限学习机 加权 污水处理过程 分类准确率 集成分类器 训练样本集 隐层节点数 不平衡性 最优参数 污水 归一化 过采样 均值法 有效地 算法 样本 多样性 输出 改进 | ||
【主权项】：
1.基于加权极限学习机的SMOTE_Bagging集成污水处理故障诊断方法，其特征在于，包括以下步骤：/n1)用均值法补全污水数据中属性不完整的样本的缺陷值，并将其归一化到[0,1]区间；/n2)为了增加过采样数据的多样性，提出新的SMOTE过采样方法，对初始训练数据进行SMOTE过采样处理，获得新的训练数据，用该采样步骤替代原始Bagging算法中有放回Booststrap步骤；然后采用加权极限学习机作为基分类器，建立第i个基分类器h
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711268459.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种显示图像的方法、终端及计算机可读存储介质
- 下一篇：页面的加载方法及装置
