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
再多了解一些
本文用于企业家、创业者技术爱好者查询,结果仅供参考。