-
公开(公告)号：CN112396124B
公开(公告)日：2023-01-24
申请号：CN202011384923.3
申请日：2020-12-01
Applicant: 北京理工大学
IPC: G06F18/214 , G06N20/20
Abstract: 本发明涉及一种面向不平衡数据的小样本数据扩充方法及系统，从MES互联互通系统的上层平台提取MES系统不平衡数据，根据正样本数据集中正样本的数量与负样本数据集中负样本的数量的差值划分MES系统不平衡数据的等级，对于MES系统不平衡数据的不同等级，采用不同的扩充方法，当正样本数据集为第一等级不平衡数据集时，采用Borderline‑SMOTE算法对处于边界处的正样本点进行扩充，可以有效避免传统过采样造成的边界模糊问题，在一定程度上提高数据质量；当正样本数据集为第二等级不平衡数据集时，采用基于密度的SMOTE算法进行扩充，与传统SMOTE算法相比，减少了边界模糊问题的发生，保证了小样本数据扩充的质量。
-
公开(公告)号：CN112256686B
公开(公告)日：2022-11-11
申请号：CN202011262765.4
申请日：2020-11-12
Applicant: 北京理工大学
IPC: G06F16/215 , G06F16/28 , G06F16/23
Abstract: 本发明公开了一种基于MES的故障数据压缩与预测方法及系统。该方法包括：对历史故障数据信息进行异常数据种类划分，得到旧故障数据；将实时故障数据信息进行异常数据种类划分后，输入相应的训练好的故障异常检测模型，得到新故障数据；判断与新故障数据对应的异常数据存储区是否存满，若未存满，则将新故障数据存入异常数据存储区，若存满，则将旧故障数据和新故障数据进行压缩融合，得到核心数据点；根据核心数据点对训练好的故障异常检测模型进行更新，然后清空异常数据存储区内的数据。采用本发明的方法及系统，能够方便对故障数据进行管理，有效缓解因工业设备故障数据积累过多而带来的存储空间不足问题。
-
公开(公告)号：CN112256686A
公开(公告)日：2021-01-22
申请号：CN202011262765.4
申请日：2020-11-12
Applicant: 北京理工大学
IPC: G06F16/215 , G06F16/28 , G06F16/23
Abstract: 本发明公开了一种基于MES的故障数据压缩与预测方法及系统。该方法包括：对历史故障数据信息进行异常数据种类划分，得到旧故障数据；将实时故障数据信息进行异常数据种类划分后，输入相应的训练好的故障异常检测模型，得到新故障数据；判断与新故障数据对应的异常数据存储区是否存满，若未存满，则将新故障数据存入异常数据存储区，若存满，则将旧故障数据和新故障数据进行压缩融合，得到核心数据点；根据核心数据点对训练好的故障异常检测模型进行更新，然后清空异常数据存储区内的数据。采用本发明的方法及系统，能够方便对故障数据进行管理，有效缓解因工业设备故障数据积累过多而带来的存储空间不足问题。
-
公开(公告)号：CN112396124A
公开(公告)日：2021-02-23
申请号：CN202011384923.3
申请日：2020-12-01
Applicant: 北京理工大学
Abstract: 本发明涉及一种面向不平衡数据的小样本数据扩充方法及系统，从MES互联互通系统的上层平台提取MES系统不平衡数据，根据正样本数据集中正样本的数量与负样本数据集中负样本的数量的差值划分MES系统不平衡数据的等级，对于MES系统不平衡数据的不同等级，采用不同的扩充方法，当正样本数据集为第一等级不平衡数据集时，采用boardline‑SMOTE算法对处于边界处的正样本点进行扩充，可以有效避免传统过采样造成的边界模糊问题，在一定程度上提高数据质量；当正样本数据集为第二等级不平衡数据集时，采用基于密度的SMOTE算法进行扩充，与传统SMOTE算法相比，减少了边界模糊问题的发生，保证了小样本数据扩充的质量。
-
-
-
Search Results
4
records
(took 0.02 seconds)
