专利交易市场

解决热泵系统故障诊断中数据依赖问题的模型迁移方法，属于制冷空调系统运维技术领域。它包括以下步骤：步骤一、源域与目标域数据准备；步骤二、迁移模型准备及模型独立训练；步骤三、联合优化；步骤四、模型嫁接及自适应层微调；步骤五、分类器训练；步骤六、故障诊断精度验证。本发明通过采用一种模型迁移方法实现知识共享，利用实验环境获取的仿真数据进行机器学习，并将学习到的知识迁移到目标系统上，最终实现目标系统的故障诊断。整个学习过程不需要目标系统的任何标记数据，只需要少量无标记的运行数据，而无标记运行数据的获取通常十分方便，不会造成额外成本增加。

本发明公开了一种基于RKHS域匹配的迁移学习预测电池SOH方法，通过提取两个电池的特征，利用域匹配算法对两个特征空间进行调整，使两个特征空间的条件分布和边缘分布相匹配，从而完成一阶统计量的匹配；再将特征空间通过核函数映射到可再生希尔伯特空间，实现高阶统计量的匹配；然后通过调整样本权重使得两个空间相关的样本权重变大，不相关的样本权重变小；这样通过域匹配方式可以利用一个电池数据做训练，用普通的机器学习算法来预测另一个电池的SOH，从而具有适用性高，预测精度高，实现简单等优点。

本发明公开了一种基于AlexNet和迁移学习相结合的心电图异常识别方法及系统，属于特征提取分类预测技术领域，本发明要解决的技术问题为如何结合AlexNet深度卷积神经网络和迁移学习准确高效的完成心电图异常识别，既能摆脱对样本数据容量的依赖，又能自动学习数据样本的特征，技术方案为：该方法具体如下：预处理：将数据集中的每条心电图信号转换成心电图图像，并对异常类型的心电图进行不同方位的裁剪；特征提取：把数据增强后的图像放入预训练的模型中进行训练，预训练后的心电图图像作为AlexNet模型的输入，自动提取特征，并利用ImageNet数据集预训练的AlexNet模型进行迁移学习；分类预测：把预训练的AlexNet深度卷积神经网络模型得到的高特征放入支持向量机中进行心电图分类。

本发明涉及一种基于迁移学习的小样本SAR图像舰船分类方法，属于计算机视觉技术领域。该方法包括：1)对SAR图像舰船切片进行预处理从而使舰船切片满足迁移学习对输入图片的要求，对舰船切片采取图像增强，并通过DCGAN网络合成相似的舰船切片图像，从而满足CNN分类网络对于数据数量的要求；2)将图片通过去噪自编码器提取图像特征，降低DCGAN网络生成图像时加入的噪声，降低不同海况背景对分类结果的影响；3)采用ResNet网络进行迁移学习，并采用fine-tune方法进一步提升分类准确性。本发明保证了小样本SAR图像舰船分类能够达到一定准确性。