标签噪声下结合对比学习与邻域样本分析的故障诊断方法

打开文本图片集

摘 要：当前基于深度学习的故障诊断方法依赖于标注完备的训练样本，当数据集中存在噪声标签时，模型会对噪声数据过拟合，影响泛化能力。为实现模型在采用标签噪声进行训练的情况下对设备运行工况的精确识别，提出一种结合对比学习与邻域样本分析的故障诊断方法。首先采用对比学习方法对模型进行预训练，拉近模型特征空间中的相似样本映射距离，实现判别能力增强;随后，基于特征相似度寻找每个样本最相似的近邻用以计算训练标签可靠性并据此执行样本划分以及标签纠正，构建更为可靠的训练子集;最后在训练过程中引入标签重加权以及一致性正则化操作增强模型鲁棒性。（剩余24808字）