小样本下基于特征融合的FFCNN-SVM迁移学习故障诊断方法与流程

技术特征：
1.小样本下基于特征融合的ffcnn
‑
svm迁移学习故障诊断方法，其特征在于该该方法具体包括以下各步骤：步骤（1）：利用迁移学习中，模型迁移的思想，将源域训练好的成熟模型迁移至目标域中，并且在源域模型的基础上，同比例增加卷积层与池化层；步骤（2）：在步骤（1）的基础上，冻结源域迁移过来的卷积层，利用目标域的小样本去训练步骤（1）中其余的卷积层、池化层和全连接层，用于提取目标域故障数据集特征，至此得到目标域的浅层模型；步骤（3）：在步骤（2）的浅层模型基础上，浅层模型的cnn后添加的卷积池化层即使在小样本情况下，也能够利用源域模型得到一个关于目标域提取特征的卷积池化层，把数据输入到该cnn网络，将最后一层卷积池化层的输出输入至svm分类器。

技术总结
本发明公开了一种小样本下基于特征融合的FFCNN


技术研发人员：叶力豪 王昕毅 文成林 张俊锋
受保护的技术使用者：杭州电子科技大学
技术研发日：2021.09.17
技术公布日：2022/1/3