摘要
本发明提供了一种基于KFWAdaBoost的变压器故障检测方法、装置、设备及介质,涉及变压器技术领域,本方法通过结合特征生成技术和集成学习策略,利用KPP算法生成聚类特征,并通过分析样本与簇中心的关系来编码样本的分布模式。模型在分类过程中为每个样本生成加权软标签,利用软标签表达类别间的模糊性和相似性,有效提升数据集的信息表达能力。还通过多轮迭代调整样本权重,强化对难分类样本的学习,并结合投票机制输出最终分类结果。此外,生成的新数据集不仅限于KFWAdaBoost模型,而是可以广泛应用于各种分类器的训练,提高了数据的利用效率和诊断的准确性。
技术关键词
标签特征
训练特征
分类特征
矩阵
分类器
样本
数据
特征生成技术
集成学习策略
故障检测
训练集
聚类特征
算法
变压器技术
处理器
系统为您推荐了相关专利信息
松动检测方法
零部件螺栓
训练样本数据
检测航空发动机
训练样本集
航天器
参数优化设计方法
策略
下轨道
卡尔曼滤波方法
基因突变信息
组织病理学图像
多尺度特征融合
拓扑图
肺癌