公开(公告)号：CN118245891A

公开(公告)日：2024-06-25

申请号：CN202410259302.4

申请日：2024-03-07

Applicant: 西北大学

Inventor： 尹小燕 ,  王禹 ,  白聪睿 ,  贺帅帅 ,  代志伟 ,  陈晓江 ,  房鼎益

IPC: G06F18/2411 ,  G06F21/32 ,  G06F18/214 ,  G06N3/096 ,  G06N3/084 ,  G06F17/16 ,  G06F17/18

Abstract: 本申请涉及一种基于迁移学习的小样本车主身份认证方法，该方法基于训练后的SVM分类模型，这里SVM分类模型在训练过程中，考虑到不同的人上车的行为动作也因其体态和动作习惯而存在细微不同，用毫米波雷达采集用户上车行为动作的历史数据与新数据，通过对该雷达信号进行预处理与特征提取，便提炼出能代表车主身份独特性的行为动作潜在特征；然后，将采集的历史数据与目标任务的新数据进行特征迁移，借助历史数据的庞大数据量来弥补目标域数据量缺失的问题；然后，基于特征迁移后的数据集训练SVM分类模型，得到训练后的SVM分类模型，即在迁移过后的特征空间对源域与目标域数据共同训练出分类模型，完成身份认证任务。

公开(公告)号：CN114580472B

公开(公告)日：2022-12-23

申请号：CN202210187119.9

申请日：2022-02-28

Applicant: 西北大学

Inventor： 尹小燕 ,  南鑫 ,  刘长友 ,  龚志敏 ,  王禹 ,  田苗 ,  崔瑾 ,  陈晓江 ,  房鼎益

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种工业互联网中因果与注意力并重的大型设备故障预测方法，该方法基于大型设备的故障样本，通过分析传感器数据与故障之间存在的潜在因果关系来构建因果分析模型，结合因果分析与时间注意力机制预测大型设备的故障。本发明的预测方法采取一种有监督的学习方式，收集故障样本，提取故障特征，通过分析特征与故障之间存在的潜在因果关系来构建因果分析模型，结合因果分析与时间注意力机制，实现设备故障的预测。本发明的预测方法基于因果分析，探究特征与故障预测准确度之间的潜在关系，为面向大型设备故障预测模型的特征选取提供一个可行方法，进而为故障的主因特征分配较大权重，为次因特征分配较小权重。

公开(公告)号：CN114580472A

公开(公告)日：2022-06-03

申请号：CN202210187119.9

申请日：2022-02-28

Applicant: 西北大学

Inventor： 尹小燕 ,  南鑫 ,  刘长友 ,  龚志敏 ,  王禹 ,  田苗 ,  崔瑾 ,  陈晓江 ,  房鼎益

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种工业互联网中因果与注意力并重的大型设备故障预测方法，该方法基于大型设备的故障样本，通过分析传感器数据与故障之间存在的潜在因果关系来构建因果分析模型，结合因果分析与时间注意力机制预测大型设备的故障。本发明的预测方法采取一种有监督的学习方式，收集故障样本，提取故障特征，通过分析特征与故障之间存在的潜在因果关系来构建因果分析模型，结合因果分析与时间注意力机制，实现设备故障的预测。本发明的预测方法基于因果分析，探究特征与故障预测准确度之间的潜在关系，为面向大型设备故障预测模型的特征选取提供一个可行方法，进而为故障的主因特征分配较大权重，为次因特征分配较小权重。