典型文献
抽油机故障诊断的分布驱动主动学习算法
文献摘要：
抽油机示功图直观显示了抽油机工作情况,但实际工况情况呈现典型的长尾分布特性,类别严重不平衡.传统方法无法准确识别小类别工况,也无法获得井下工作状态准确识别.针对这一问题,提出一种基于分布驱动的多类别长尾数据代价敏感主动学习算法(Cost?sensitive active learning algorithm based on distribution?driven multi?class long?tailed data,CALA).首先,考虑数据分布特性,以最小化代价为优化目标确定数据的最佳聚类簇数;其次,通过加入预分类误差代价来更新之前得到的最佳聚类簇数;然后,构建集成分类模型作为分类器;最后,通过迭代来平衡数据分布.采用某油田真实的示功图数据进行测试,显著性实验分析证明CALA在小类别工况诊断上具有更好的性能.
文献关键词：
示功图诊断;代价敏感;主动学习;长尾分布;小类别工况识别
中图分类号：
作者姓名：
汪敏;周磊;闵帆;张响;沈佳园;韩菲
作者机构：
西南石油大学电气信息学院,成都610500;西南石油大学计算机科学学院,成都610500;浙江浙能天然气运行有限公司,杭州310052;新疆油田公司风城油田,克拉玛依834000
文献出处：
引用格式：
[1]汪敏;周磊;闵帆;张响;沈佳园;韩菲-.抽油机故障诊断的分布驱动主动学习算法)[J].南京航空航天大学学报,2022(03):517-527
A类：
长尾数据,CALA,小类别工况识别
B类：
抽油机,主动学习算法,直观显示,机工,实际工况,长尾分布,分布特性,准确识别,井下,工作状态,多类别,代价敏感,Cost,sensitive,active,learning,algorithm,distribution,driven,multi,class,long,tailed,data,数据分布,优化目标,目标确定,预分,集成分类,分类模型,分类器,油田,图数据,工况诊断,示功图诊断
AB值：
0.387047
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
