典型文献
基于领域自适应的多源工业数据的变分填补模型
文献摘要：
工业现场数据普遍存在缺失值问题,严重影响后续数据挖掘算法的应用,因此有必要在预处理时进行数据填补.现有的填补算法都假设训练与测试数据服从相同分布,无法适应新的工况.随着工业互联网的不断发展,云边协同框架将不同工厂、不同工况的数据汇聚在云端,提供了变工况场景下新的建模思路.基于此,提出了一种处理云边协同框架下多源数据的填补模型,保留细粒度个性化特征,利用领域自适应范式学习跨工厂、跨工况的粗粒度知识,应对边缘端变工况场景.使用某集团大数据云平台的多台磨煤机数据验证了所提算法的有效性,其在不同数据缺失率下与主流算法相比具有优异的性能.
文献关键词：
云边协同;数据填补;领域自适应;迁移学习
中图分类号：
作者姓名：
李宝学;姚邹静;赵春晖
作者机构：
浙江大学控制科学与工程学院NGICS大平台,浙江杭州310027
文献出处：
引用格式：
[1]李宝学;姚邹静;赵春晖-.基于领域自适应的多源工业数据的变分填补模型)[J].控制工程,2022(04):627-636
A类：
适应范式
B类：
领域自适应,工业数据,工业现场,现场数据,缺失值,数据挖掘算法,数据填补,测试数据,服从,同分布,工业互联网,云边协同,协同框架,不同工况,数据汇聚,云端,变工况,多源数据,细粒度,个性化特征,粗粒度,边缘端,某集团,大数据云平台,多台,磨煤机,数据验证,数据缺失,缺失率,流算法,迁移学习
AB值：
0.419386
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。
