基于领域自适应的多源工业数据的变分填补模型
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.
云边协同、数据填补、领域自适应、迁移学习
29
TP18(自动化基础理论)
中央高校基本科研业务费专项资金资助项目;中央高校基本科研业务费专项资金资助项目
2022-06-30（万方平台首次上网日期，不代表论文的发表时间）
共10页
627-636
