一种基于改进SMOTE的工业不平衡数据分类方法

    公开(公告)号:CN116340866A

    公开(公告)日:2023-06-27

    申请号:CN202310034445.0

    申请日:2023-01-10

    Abstract: 本发明公开一种基于改进SMOTE的工业不平衡数据分类方法,首先获取工业设备的样本监控记录数据得到不平衡数据集;然后利用改进SMOTE方法对不平衡数据集进行处理,得到平衡数据集;接着将平衡数据集作为训练数据集对分类器进行训练,得到训练好的分类器;最后获取工业设备的实时监控记录数据,并将实时监控记录数据的特征向量送入到训练好的分类器中,得到工业设备的状态。本发明通过评分机制有效保证了合成的少数类样本质量,通过稀疏度有效使少数类样本数量达到相对平衡,从而使分类器能够重视故障数据样本,从而尽可能避免分类器发生因为故障数据样本数量过少,将其分类为正常数据样本的情况。

    基于多目标均衡优化的Kubernetes Pod调度方法

    公开(公告)号:CN115022335B

    公开(公告)日:2024-11-12

    申请号:CN202210592827.0

    申请日:2022-05-27

    Abstract: 本发明公开一种基于多目标均衡优化的Kubernetes Pod调度方法,针对Kubernetes未考虑Pod应用部署后产生的资源消耗成本最小化问题和调度大量Pod应用后集群整体的均衡负载问题,提出了改进知识获取与分享的调度算法。首先扩展了Kubernetes资源指标,在默认算法只考虑CPU和内存的基础上,额外考虑了带宽和磁盘两种指标;其次算法会基于节点和Pod应用的标签匹配情况、以及和Pod应用所请求的端口建立校验字典,修复算法初始生成的种群和种群迭代期间更新的不符合配置的所有个体;最后,建立基于成本和集群失衡度的目标函数并将这两种目标函数归一化为算法的评估函数,以便改进默认调度算法的节点选择策略,获得最优的Pod应用部署方案,从而在均衡部署的同时,降低整体的资源消费成本。

    一种基于深度学习的工业不平衡数据多分类方法

    公开(公告)号:CN116452889A

    公开(公告)日:2023-07-18

    申请号:CN202310450445.9

    申请日:2023-04-24

    Abstract: 本发明公开一种基于深度学习的工业不平衡数据多分类方法,获取传感器监控的工业设备数据,使用短时傅里叶变换对旋转机械的一维时序数据进行转换,得到各个类别的二维特征图;用图片数据集中的故障类数据的特征图对RLSGAN模型进行训练,训练足够次数后,使用训练好的RLSGAN模型生成大量的仿故障类数据特征图,平衡数据集;使用平衡后的图片数据集训练ResNet模型,训练足够的次数后,使用训练好的ResNet模型对经过STFT转换的特征图进行多分类,根据分类结果进行设备故障诊断。与现有技术相比,本发明能在保证工业设备故障诊断准确率的基础上,解决故障类样本查全率偏低的问题,并提供多个故障类型的分类。

    基于多目标均衡优化的Kubernetes Pod调度方法

    公开(公告)号:CN115022335A

    公开(公告)日:2022-09-06

    申请号:CN202210592827.0

    申请日:2022-05-27

    Abstract: 本发明公开一种基于多目标均衡优化的Kubernetes Pod调度方法,针对Kubernetes未考虑Pod应用部署后产生的资源消耗成本最小化问题和调度大量Pod应用后集群整体的均衡负载问题,提出了改进知识获取与分享的调度算法。首先扩展了Kubernetes资源指标,在默认算法只考虑CPU和内存的基础上,额外考虑了带宽和磁盘两种指标;其次算法会基于节点和Pod应用的标签匹配情况、以及和Pod应用所请求的端口建立校验字典,修复算法初始生成的种群和种群迭代期间更新的不符合配置的所有个体;最后,建立基于成本和集群失衡度的目标函数并将这两种目标函数归一化为算法的评估函数,以便改进默认调度算法的节点选择策略,获得最优的Pod应用部署方案,从而在均衡部署的同时,降低整体的资源消费成本。

Patent Agency Ranking