一种应用于机器学习的时序特征有效窗口提取方法

摘要

本发明公开了一种应用于机器学习的时序特征有效窗口提取方法，步骤如下：首先，对实际焊接生产过程中电参数实时采集，利用数据自身特点，计算动态阈值，根据阈值不断迭代更新自动筛选出有效窗口。然后进行希尔伯特变换，分别对电参数实数值和复数值做特征提取，使用最大最小标准化和包装法中的递归特征消除法挑选特征。最后，使用决策树模型进行分类，对预测偏移样本记录反馈，并加入模型重新迭代优化。本发明通过提取有效窗口，避免窗口选择太大，保留太多噪音数据，使数据失真以及窗口选择太小，删除太多有用特征，无法提出与目标变量强相关的因子的问题，显著地提高了预测精度。