一种基于堆叠组合模型的阻塞检测和识别的零射击学习方法.
Chaoqun Li1, Zao Feng1,2, Mingkai Jiang3
1Faculty of Information and Automation, Kunming University of Science and Technology, Kunming 650500, China.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
这项研究引入了一种新的零射击管道堵塞检测方法,使用堆叠集体学习. 该方法在没有先前培训数据的情况下识别新的缺陷,在未知的缺陷类别中达到72.5%的准确性.
科学领域:
- 工程 工程师 工程师 工程师
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 数据驱动的缺陷识别严重依赖于标记样本.
- 在数据采集过程中出现的缺陷导致新缺陷类型的标记数据稀缺.
研究的目的:
- 开发一种零射击学习方法,用于管道堵塞的检测和识别.
- 在没有具体培训示例的情况下,应对识别新缺陷的挑战.
主要方法:
- 变量模态分解 (VMD) 用于信号分解.
- 在内在模态函数 (IMF) 上计算信息,以创建特征集.
- 用缺陷类别的属性矩阵进行堆叠组合属性学习.
主要成果:
- 在没有预先训练样本的情况下成功识别目标缺陷.
- 在六个实验数据集中提高了分类性能.
- 对于以前未知的缺陷类别,平均识别精度为72.5%.
结论:
- 拟议的零射击学习方法有效地识别管道堵塞,即使是新的缺陷.
- 堆叠组合学习与VMD和信息相结合,为使用有限数据识别缺陷提供了强大的解决方案.


