一种基于变分自编码器的轴承小样本数据扩充方法及系统

本发明提供一种基于变分自编码器的轴承小样本数据扩充方法及系统，属于深度学习与数据增强领域。为解决传统生成模型在轴承小样本数据中存在局限性，易出现特征模糊和失真，数据集质量不佳的问题。本发明构建一个深度VAE框架，潜在空间中使用了降维、数据扩充和升维模块；采用UMAP算法对高维数据进行降维，有效保留数据的拓扑结构，提高数据特征的提取效率和质量；使用结合正则化和粒子群算法优化的混合高斯模型，拟合散乱小样本数据的分布，通过采样扩充出具有融合特征的新数据，增加了数据多样性；使用径向基函数用于非线性的数据升维，在确保新数据能精确映射回高维空间的同时也保留了特征之间的联系，再通过解码器重构具有融合特征的缺陷数据。