一种用于水轮机空化现象识别的分类模型训练方法与流程

技术特征：
1.一种用于水轮机空化现象识别的分类模型训练方法，其特征在于，包括如下步骤：s1、输入带有分类标签的非线性可分的训练样本数据；s2、利用监督学习方法对输入的训练样本进行二元分类并求解最大间距超平面；s3、加入松弛变量，并使用升维函数将低维度输入空间的样本映射到高维度空间使样本变为线性可分，在形成的特征空间中寻找最优分类超平面；s4、使用指数循环递减矩阵搜索法搜索升维函数中的最优超参数c和γ；s5、使用最优超参数在整个训练集上再次训练，得到最终的分类器；s6、将训练好后的分类模型保存并应用于目标分类对象的分类识别。2.根据权利要求1所述的一种用于水轮机空化现象识别的分类模型训练方法，其特征在于，将输入的训练样本数据集表示为：(x1,y1)，(x2,y2)，(xi,yi)...，(xn,yn)，n为样本数量；其中，xi为一个含有d个元素的列向量；yi表示标签，yi∈ 1,
−
1；yi= 1时表示xi属于正类别；yi=
−
1时表示xi属于负类别；分类模型的优化目标为求解下式：；约束条件为：y
j (ω
t
×
f(x
i
) b）>=1；其中，ω、b为超平面参数向量；f(x)为升维函数；f (x
i，
y
j
) = e ^（
−
γ|| x
i
ꢀ−ꢀ
y
j || 2
）；c为惩罚因子，ξ为松弛因子。3.根据权利要求1所述的一种用于水轮机空化现象识别的分类模型训练方法，其特征在于，步骤s4中，超级参数c的确定包括如下步骤：1）在输入矩阵中确认一对参数c0、γ0作为升维函数的初始参数，并确定输入矩阵的维度大小；2）将样本数据集划分成相同大小的q个子集，将其中一个子集作为验证集，剩余的q-1个子集作为训练集训练分类器；3）使用验证集对训练出的分类器进行验证测试，得到正确分类的数量百分比p；遍历所有子集，得到p1、p2......p q
，求其平均值，得到pc1；4）按指数递减规律，在网格中更换一对超参数，γ0保持不变，超级参数c按指数递减规律不断下降，重复上述过程直到得到与输入矩阵行数相等的pc
i
。4.根据权利要求3所述的一种用于水轮机空化现象识别的分类模型训练方法，其征在于，步骤s4中，超级参数γ的确定包括如下步骤：1）在输入矩阵中确认一对参数c0、γ0作为升维函数的初始参数，并确定输入矩阵的维度大小；2）将样本数据集划分成相同大小的q个子集，将其中一个子集作为验证集，剩余的q-1个子集作为训练集训练分类器；3）使用验证集对训练出的分类器进行验证测试，得到正确分类的数量百分比p；遍历所有子集，得到p1、p2......p q
，求其平均值，得到pγ1；4）按指数递减规律，在网格中更换一对超参数，c0保持不变，超级参数γ按指数递减规
律不断下降，重复上述过程直到得到与输入矩阵行数相等的pγ
j
。5.根据权利要求4所述的一种用于水轮机空化现象识别的分类模型训练方法，其特征在于，将pc
i
、pγ
j
组成一个结果矩阵（pc
i
、pγ
j
），在该结果矩阵（pc
i
、pγ
j
）中寻找最大值，最大值所对应下标的c、γ即为找到的最优超参数。

技术总结
本发明公开了一种用于水轮机空化现象识别的分类模型训练方法，属于机器学习领域。包括输入训练样本；按照监督学习方法对输入的训练样本数据进行二元分类；对训练样本求解最大间距超平面，加入松弛变量，并使用升维函数，将低维度输入空间的样本映射到高维度空间使样本变为线性可分，在该特征空间中寻找最优分类超平面；使用指数循环递减矩阵搜索法来搜索升维函数中的最优超参数；使用最优超参数在整个训练集上再次训练，得到最终的分类器；将训练好后的分类模型保存并应用于水轮机初生空化的识别。本方法对分类模型的核函数和超参数的选取环节进行了优化，以帮助机器完成对水轮机空化现象的学习和识别，提高了识别效率与识别准确度。准确度。准确度。


技术研发人员：王桂虹 汪刚 黄曦 梁权伟 骆彦辰 文俊杰 王智勇 任盼秋 陈梓豪
受保护的技术使用者：东方电气集团东方电机有限公司
技术研发日：2022.11.17
技术公布日：2023/3/10