工况智能分类方法和装置、电子设备及存储介质_CN117171625A_云和恩墨.pdf
免费下载
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号
(43)申请公布日
(21)申请号 202311369467 .9
(22)申请日 2023 .10.23
(71)申请人 云和恩墨（北京）信息技术有限公司
地址 100000 北京市东城区后永康胡同17
号506A室
(72)发明人 张勤勤 徐培 张永飞 杨尧
(74)专利代理机构 广州嘉权专利商标事务所有
限公司 44205
专利代理师 周翀
(51)Int.Cl.
G06F
18/24
(2023 .01)
G06F
18/214
(2023 .01)
(54)发明名称
工况智能分类方法和装置、电子设备及存储
介质
(57)摘要
本申请实施例提供了一种工况智能分类方
法和装置、电子设备及存储介质，属于人工智能
技术领域。该方法包括：获取原始样本数据，其
中，原始样本数据包括异常工况的第一原始样本
数据、正常工况的第二原始样本数据；将原始样
本数据输入至预设的原始工况分类模型进行工
况分类，得到预测工况标签；根据原始样本数据
对应的样本标签和预测工况标签计算得到原始
梯度数据；根据原始样本数据计算得到梯度更新
数据；根据梯度更新数据对原始梯度数据进行更
新，得到目标梯度更新数据；对原始工况分类模
型进行训练，得到目标工况分类模型；根据目标
工况分类模型对目标设备进行工况分类。本申请
实施例能够在样本不均衡的情况下提高工况分
类识别的准确性。
权利要求书3页 说明书14页 附图5页
CN 117171625 A
2023.12.05
CN 117171625 A
1 .一种工况智能分类方法，其特征在于，所述方法包括：
获取目标设备的原始样本数据，其中，所述原始样本数据包括所述目标设备异常工况
对应的第一原始样本数据、所述目标设备正常工况对应的第二原始样本数据；
将所述原始样本数据输入至预设的原始工况分类模型进行工况分类，得到预测工况标
签，其中，所述预测工况标签用于表示所述目标设备为正常工况或为异常工况；
根据所述原始样本数据对应的样本标签和所述预测工况标签计算得到原始梯度数据，
其中，所述样本标签用于表示所述目标设备为正常工况或为异常工况；
根据所述原始样本数据计算得到所述第一原始样本数据的梯度更新数据；
根据所述梯度更新数据对所述第一原始样本数据对应的所述原始梯度数据进行更新，
得到目标梯度更新数据；
根据所述目标梯度更新数据、所述第一原始样本数据、所述第二原始样本数据、所述第
二原始样本对应的所述原始梯度数据对所述原始工况分类模型进行训练，得到目标工况分
类模型；
根据所述目标工况分类模型对所述目标设备进行工况分类。
2 .根据权利要求1所述的方法，其特征在于，所述梯度更新数据包括梯度调节数据和梯
度膨胀数据，所述根据所述原始样本数据计算得到所述第一原始样本数据的梯度更新数
据，包括：
确定所述第一原始样本数据的偏离度；
根据所述偏离度和所述第一原始样本数据的第一总样本量计算得到所述梯度调节数
据；
获取所述第二原始样本数据的第二总样本量，根据所述第二总样本量、所述第一总样
本量、预设的所述第二原始样本数据的采样率、所述梯度调节数据计算得到所述梯度膨胀
数据。
3 .根据权利要求2所述的方法，其特征在于，所述确定所述第一原始样本数据的偏离
度，包括：
获取所述第一原始样本数据的第一样本向量，并获取所述第二原始样本数据的第二样
本向量；
根据所述第一样本向量和第二样本向量计算得到中位数特征向量；
根据所述中位数特征向量、所述第一样本向量和第二样本向量计算得到样本协方差矩
阵；
根据所述样本协方差矩阵计算得到所述偏离度。
4 .根据权利要求3所述的方法，其特征在于，所述获取所述第一原始样本数据的第一样
本向量，包括：
对所述第一原始样本数据进行分箱处理，得到所述第一原始样本数据对应的目标数据
区间；
根据所述目标数据区间得到所述第一样本向量。
5 .根据权利要求3所述的方法，其特征在于，所述根据所述第一样本向量和第二样本向
量计算得到中位数特征向量，包括：
根据所述第一总样本量和所述第二总样本量计算得到目标总样本量；
权 利 要 求 书
1/3 页
2
CN 117171625 A
2
of 23
免费下载
【版权声明】本文为墨天轮用户原创内容，转载时必须标注文档的来源（墨天轮），文档链接，文档作者等基本信息，否则作者和墨天轮有权追究责任。如果您发现墨天轮中有涉嫌抄袭或者侵权的内容，欢迎发送邮件至：contact@modb.pro进行举报，并提供相关证据，一经查实，墨天轮将立刻删除相关内容。
下载排行榜
评论