申请/专利权人：北京航空航天大学

申请日：2024-04-28

公开（公告）日：2024-07-05

公开（公告）号：CN118296438A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/2433;G06F18/211;G06F18/214;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：一种基于有序模式特征分析的零样本复合控制图模式识别方法，包括：步骤一：数据采集与生成：采集制造过程中的受控数据，并生成控制图模式CCP样本集；步骤二：建立异常情境的属性编码：CCP样本的每种单一异常表示一种异常属性，得到所有CCP样本的实际0‑1属性编码；步骤三：提取所述训练集中的单一CCP样本的有序模式OP特征集；步骤四：选择单一异常属性的最佳时间延迟参数；步骤五：训练单一异常属性的属性分类器：为每种单一异常属性训练对应的单一异常属性分类器；步骤六：零样本复合异常属性CCP异常识别：将待识别CCP样本的预测0‑1属性编码与其实际0‑1属性编码比较，判断待识别CCP样本是否具有某种异常属性，实现零样本复合异常属性CCP的异常识别。

主权项：1.一种基于有序模式特征分析的零样本复合控制图模式识别方法，其特征在于包括以下步骤：步骤一：数据采集与生成：采集制造过程中的受控数据，并利用蒙特卡洛方法生成控制图模式CCP样本集，该CCP样本集包括单一控制图模式CCP样本和复合控制图模式CCP样本，其中将该单一CCP样本划分为可见集并且将该复合CCP样本划分为不可见集，该可见集包括单一异常属性CCP样本和正常模式样本，该不可见集包括复合异常属性CCP样本，以及根据模型训练要求将所述CCP样本划分为训练集和测试集，其中所述训练集包括所述可见集中的部分单一CCP样本，所述测试集包括所述可见集中的其余单一CCP样本和不可见集中的复合CCP样本；步骤二：建立异常情境的属性编码：CCP样本的每种单一异常表示一种异常属性，采用独热编码方式对步骤一中所述采集的制造过程中的CCP样本集中的单一异常属性CCP样本的单一异常属性进行属性编码，进而得到包括各正常模式样本、单一异常属性CCP样本和复合异常CCP样本的所有CCP样本的0-1编码，即实际0-1属性编码；步骤三：提取所述训练集中的单一CCP样本的有序模式OP特征集：根据不同的时间延迟参数τ，提取所述训练集中的单一CCP样本在不同观测尺度下的OP特征，构成对应单一CCP样本的OP特征集；步骤四：选择单一异常属性的最佳时间延迟参数τb：建立不同异常属性的差异性度量函数，从所述训练集中选择某一类单一异常属性CCP样本与其他类单一异常属性CCP样本差异度最大的时间延迟参数τ为最佳时间延迟参数τb，该最佳时间延迟参数τb所对应的OP特征为该类单一异常属性CCP样本的OP特征子集，从而获得所述实际0-1属性编码的向量中的每一维度的0-1编码对应的最佳时间延迟参数τb与OP特征子集；步骤五：训练单一异常属性的属性分类器：将步骤四得到的训练集中的单一异常属性CCP样本的OP特征子集作为属性分类器的输入，以及将通过步骤二获得的该单一异常属性CCP样本的实际0-1属性编码的向量的每一维度的值作为对应属性分类器的输入，为每种单一异常属性训练对应的单一异常属性分类器；步骤六：零样本复合异常属性CCP异常识别：对于所述测试集中的待识别CCP样本，首先将各单一异常属性的经由步骤四所获得的该单一异常属性CCP样本的OP特征子集，输入到由步骤五获得的单一异常属性分类器，获得一串相应的预测0-1属性编码，将所述待识别CCP样本的该预测0-1属性编码与该待识别CCP样本经由步骤二所得到的实际0-1属性编码进行比较，判断该待识别CCP样本是否具有某种异常属性或所具有的异常属性类别，实现零样本复合异常属性CCP的异常识别。

全文数据：

权利要求：

百度查询： 北京航空航天大学 基于有序模式特征分析的零样本复合控制图模式识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD