买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中南大学申请的专利基于图正则化半监督字典学习的工业信号故障识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114548185B 。

龙图腾网通过国家知识产权局官网在2025-05-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210191693.1，技术领域涉及：G06F18/10；该发明授权基于图正则化半监督字典学习的工业信号故障识别方法是由陈晓方;周杰;谢世文;谢永芳;张红亮设计研发完成，并于2022-02-28向国家知识产权局提交的专利申请。

本基于图正则化半监督字典学习的工业信号故障识别方法在说明书摘要公布了：本公开实施例中提供了一种基于图正则化半监督字典学习的工业信号故障识别方法，属于数据识别技术领域，具体包括：采集目标设备的工业信号数据；将有标签数据和无标签数据作为训练数据集并输入基于图正则半监督字典学习模型，得到训练集稀疏编码、置信度矩阵以及结构字典；将测试集信号和结构字典带入分类模型，得到测试集信号的测试集稀疏编码；计算测试集信号的重构误差，并根据重构误差识别测试集信号的故障类别。通过本公开的方案，将字典学习与半监督学习以及流行学习结合，既能保存数据的流形结构，又能学习无标签数据的特征，以此增强模型学习的判别性及可靠性，提高了识别的效率、精准度和适应性。

本发明授权基于图正则化半监督字典学习的工业信号故障识别方法在权利要求书中公布了：1.一种基于图正则化半监督字典学习的工业信号故障识别方法，其特征在于，包括：采集目标设备的工业信号数据，其中，所述工业信号数据包括有标签数据和无标签数据；将所述有标签数据和所述无标签数据作为训练数据集并输入基于图正则半监督字典学习模型，得到训练集稀疏编码、置信度矩阵以及结构字典，其中，所述训练集稀疏编码包括所述有标签数据对应的有标签稀疏编码和所述无标签数据对应的无标签稀疏编码；所述将所述有标签数据和所述无标签数据作为训练数据集并输入基于图正则半监督字典学习模型，得到训练集稀疏编码、置信度矩阵以及结构字典的步骤，包括：保存所述有标签数据的流型结构并将其简化为图正则化的有标签稀疏编码；利用K-SVD算法初始化监督字典，再利用匹配追踪算法得到所述无标签数据对应的初始化稀疏编码；利用所述无标签数据的重构误差得到所述置信度矩阵；根据所述置信度矩阵更新扩展字典；利用所述匹配追踪算法求解所述初始化稀疏编码得到所述无标签稀疏编码；利用FISTA反向传播方法更新所述有标签稀疏编码；利用Metaface方法更新监督字典；根据更新后的扩展字典和更新后的监督字典形成所述结构字典；所述保存所述有标签数据的流型结构并将其简化为图正则化的有标签稀疏编码的步骤，包括：利用k近邻算法计算每个所述有标签数据的k个近邻点；根据所述k个近邻点计算权重系数矩阵；根据所述权重系数矩阵将全部所述有标签数据映射至低维空间，并通过拉普拉斯矩阵将其简化为图正则化的有标签稀疏编码；采集所述目标设备的测试集信号，并将所述测试集信号和所述结构字典带入分类模型，得到所述测试集信号的测试集稀疏编码；根据所述测试集稀疏编码计算所述测试集信号的重构误差，并根据所述重构误差识别所述测试集信号的故障类别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中南大学，其通讯地址为：410000 湖南省长沙市岳麓区麓山南路932号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。