一种基于弱监督学习多层感知器的故障分类方法

摘要

本发明公开了一种基于弱监督学习多层感知器的过程数据故障分类方法，它由多层感知器，BatchNormalization层，Dropout层和Softmax输出层组成的有监督分类网络和用于获取样本标签不准确情况的高斯混合模型组成；多层感知器能够从不准确标签数据中学习数据的特征表示，此外，高斯混合模型对多层感知器提取的特征进行无监督聚类，聚类的结果可以用于估计各类样本不准确标签与潜在的样本真实标签的关系，即标签概率转移矩阵，并且利用估计的标签概率转移矩阵修正网络损失函数对分类网络进行第二次训练，提高网络对不准确标签样本的分类精度。本发明可以适用工业过程数据样本部分标签标注错误，即不准确标签的故障分类的情形。