買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜成都信息工程大學申請的專利一種融入主動學習的兩階段半監督變壓器故障診斷方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119207640B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411310891.0，技術領域涉及：G16C20/70；該發明授權一種融入主動學習的兩階段半監督變壓器故障診斷方法是由譚學敏;郭超;張江林;莊慧敏;謝曉娜;李艷霞設計研發完成，并于2024-09-20向國家知識產權局提交的專利申請。

本一種融入主動學習的兩階段半監督變壓器故障診斷方法在說明書摘要公布了：本發明提供了一種融入主動學習的兩階段半監督變壓器故障診斷方法，包括DGA數據特征空間選擇、DGA數據預處理、劃分DGA數據集、利用一對多在初始標記樣本集SI上訓練n個FLDA兩分類器、進行m次和m0+k次迭代。本發明將主動學習融合到半監督學習中，將容易誤標記的不確定性大的少量噪聲樣本通過人工標記的方式更新模型，同時配合半監督學習共同增強初始模型的魯棒性，使初始分類模型得到改善。再利用半監督學習中的協同訓練充分挖掘剩余未標記數據中的隱含信息，即與標記樣本分布一致的置信度高的樣本進行模型訓練，在降低人工標記的成本的基礎上使得變壓器故障診斷的整體性能再次得到提升。

本發明授權一種融入主動學習的兩階段半監督變壓器故障診斷方法在權利要求書中公布了：1.一種融入主動學習的兩階段半監督變壓器故障診斷方法，其特征在于，包括：步驟1、獲取DGA數據；步驟2、對DGA數據進行預處理；步驟3、對預處理后的DGA數據，劃分為訓練集ST和驗證集SV，訓練集分為初始標記樣本集SI和未標記樣本集SU；步驟4、利用一對多在初始標記樣本集SI上訓練n個FLDA兩分類器，獲得未標記樣本集SU中所有樣本的n個判別分數，并預測未標記樣本集SU和驗證集SV中所有樣本的類別，計算在SV上的正確率；步驟5、第m次迭代中，從SU中分別選擇不確定性大的樣本Um并人工標記真實標簽后添加到SI中，同時置信度高的樣本Cm帶著預測獲得的標簽添加到SI中，形成新的標記訓練集SLm；步驟6、利用SLm重新建立FLDA模型，重新預測更新后的SU中的中所有樣本的n個判別分數，并預測更新后的未標記樣本集SU和驗證集SV中所有樣本的類別，并計算在SU和SV上的正確率；步驟7、分別觀察第m次迭代和第m-1次迭代在SV上預測標記的樣本是否一致，若一致，迭代停止，否則直到滿足m值上限，迭代結束；否則返回步驟5進行第m+1次迭代；迭代停止次數計為m0；步驟8、當m0+k次迭代，利用初啟動迭代階段最后一次迭代更新的訓練集SI建立協同半監督模型，通過建立FLDA模型分別進行最大化類間離散度和最小化類內離散度，形成不同的判別規則構建兩個不同的分類器；即初始化兩份相同的初始標記訓練集、未標記訓練集數據和驗證集SV；SI1=SI2=SI，SU1=SU2=SU，SV1=SV2=SV；利用SI1和SI2分別建立FLDA派生出來的兩個不同的分類器C1和C2，分別獲得未標記樣本集SU1和SU2中所有樣本的n個判別分數，并分別預測未標記樣本集SU1和SU2中所有樣本的類別,驗證集SV1和SV2中所有樣本的類別，計算在SV1和SV2上的正確率；步驟9、根據半監督定量選擇策略，分類器C1和C2分別從未標記訓練集SU1和SU2中選擇置信度高的樣本Q1m0+k和Q2m0+k并賦于其標簽后添加到SI1和SI2中，形成新的標記訓練集SL1m和SL2m；SL1m=SI1+Q2m0+k，SL2m=SI2+Q1m0+k；步驟10、利用新的標記訓練集SL1m和SL2m重新構建兩個不同的分類器C1和C2，分別重新預測SU1和SU2中的中所有樣本的n個判別分數，并分別預測未標記樣本集SU1和SU2中所有樣本的類別,驗證集SV1和SV2中所有樣本的類別，計算在SV1和SV2上的正確率，最終取SV1和SV2上的平均正確率；步驟11、若滿足k的上限值，迭代停止；否則返回步驟8進行第m0+k+1次迭代。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人成都信息工程大學，其通訊地址為：610200 四川省成都市西南航空港經濟開發區學府路一段24號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。