不平衡小樣本基于局部域?qū)惯m應(yīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)振動(dòng)預(yù)測(cè)模型

摘要： 在發(fā)動(dòng)機(jī)振動(dòng)預(yù)測(cè)中，實(shí)際裝配數(shù)據(jù)樣本量小且類別不平衡，難以直接建立有效的預(yù)測(cè)模型。遷移學(xué)習(xí)方法能夠通過(guò)遷移源域知識(shí)來(lái)提高目標(biāo)域模型性能，為此，本文提出了基于局部域?qū)惯m應(yīng)網(wǎng)絡(luò)的發(fā)動(dòng)機(jī)振動(dòng)預(yù)測(cè)模型。將領(lǐng)域按標(biāo)簽分為多個(gè)局部域，通過(guò)多個(gè)局部域?qū)惯m應(yīng)網(wǎng)絡(luò)將目標(biāo)域樣本映射到源域，保證小樣本中的少數(shù)類得到正確遷移。并通過(guò)偽標(biāo)簽來(lái)解決目標(biāo)樣本的域轉(zhuǎn)換，使用源域分類器給出可靠的預(yù)測(cè)結(jié)果。本...