基于PSO_RF双向特征选择和LightGBM设备故障检测
仪器共享平台的发展提高了各高校的仪器设备的使用率.但是在设备的使用过程中,对设备的故障检测方面还没有得到改善.针对上述问题,本文收集了医用影像设备的相关数据,采用PSO_RF的双向特征选择方法进行特征选择,然后构建了基于LightGBM(Light Gradient Boosting Machine)的故障检测模型,并将其应用于医用影像设备的故障检测中.通过标准评价体系的建立及不同模型对故障诊断结果的对比,相对于传统的机器学习算法,该模型在故障检测的精确率、召回率、F1值等评价指标上有较好的表现,对于加快仪器故障点的发现以及提高仪器利用率具有积极推进作用.
设备故障检测、特征选择、LightGBM
29
2020-07-23(万方平台首次上网日期,不代表论文的发表时间)
共5页
228-232