基于序列局部判别信息挖掘网络的工业过程离线数据分割方法

摘要

本发明公开一种基于序列局部判别信息挖掘网络的工业过程离线数据分割方法，主要分为特征挖掘和数据聚类两个步骤。用于特征挖掘的模型由神经网络构成，并且所设计的网络的第一层由循环神经网络组成，用于输入序列数据，挖掘数据中的动态特征。此外，为了能指导网络挖掘出有效的具有判别性的特征，模型输出为一组贡献率序列，并且模型参数通过最小化贡献率序列预测误差得到。最后，所得到的隐层特征经过重构邻域序列样本特征，进一步挖掘出带有局部信息的判别特征。在得到最终的特征输出后，利用高斯混合模型进行聚类，以得到最终的数据分割结果。本发明提出的方法对类别标签的需求较少，且对离线数据分割的稳定性更好，分类准确率高。