磁性元件的励磁波形自动分类方法、系统、终端及介质

本发明提供了一种磁性元件的励磁波形自动分类方法及系统，对磁通密度数据进行预处理，删除缺失值或异常值，并对所有磁通密度数据进行标准化处理；提取磁通密度数据中的时域特征、频域特征和/或时频域特征作为特征变量，并采用PCA方法对特征变量进行降维处理，利用随机森林通过PCA结果中的载荷分析选择所需的特征变量数量；提供一KNN模型，通过交叉验证来选择最优的K值，确定KNN模型中的K值，即邻居数；使用训练数据和提取的特征变量训练KNN模型，并对KNN模型进行优化，得到基于KNN模型的励磁波形分类模型。本发明通过提取丰富的特征并结合PCA降维，能够在不同的时间序列分析领域，提升分类精度和处理效率。