基于不平衡、不完备、高维小样本数据的集成学习故障诊断方法研究

项目名称： 基于不平衡、不完备、高维小样本数据的集成学习故障诊断方法研究

项目编号： No.51105291

项目类型： 青年科学基金项目

立项/批准年度： 2012

项目学科： 机械、仪表工业

项目作者： 汪庆华

作者单位： 西安工业大学

项目金额： 23万元

中文摘要： 征兆属性不完备、类不平衡以及高维小样本是复杂机电系统状态监测信号的重要特征。属性不完备造成有效信息丢失，类不平衡导致分类器偏好，高维小样本增加学习的复杂性，这些问题成为限制机械设备运行状态识别技术发展的瓶颈问题。本项目基于仿生模式识别关于同类样本的渐变思想，研究最小生成树覆盖算法描述样本空间分布特性，以最佳覆盖为目标，消除类数量不平衡对识别性能的影响，并完成边界样本内不完备数据的填补。根据样本分布的覆盖特性（如单一覆盖、重叠覆盖、交叉覆盖），对复杂的样本分布进行任务自动分解，采用集成学习方法实现状态自动识别。主要研究内容包括：边界样本的自适应确定、基于仿生模式识别的不完备不平衡数据的处理方法、高维小样本数据降维技术以及集成学习方法的研究。本项目瞄准国际前沿与技术难点，对故障诊断、智能识别、数据挖掘等相关领域具有重要的学术研究意义和工程应用价值。

中文关键词： 故障诊断；不平衡；不完备；高维小样本；集成学习

英文摘要：

英文关键词： fault diagnosis；unbalance；incomplete information；high dimensional small sample；fusion learning