[发明专利]一种鲁棒机器错误检索方法与系统

权利要求书

1.一种鲁棒机器错误检索方法，其特征在于，包括：

利用标签预测方法通过直推式方式估计得到训练集中的未标定样本数据的类别标签，生成包括所有有标定的样本数据的新训练集；

根据所述新训练集中的机器错误数据及其标签信息，进行标签一致字典学习，得到判别稀疏编码，利用所述判别系数编码构造自适应权重系数，得到自适应重构系数矩阵，根据所述自适应重构系数矩阵得到一个投影分类器，利用所述投影分类器对训练集中的未标定的样本数据的类别信息进行更新；

通过多次迭代训练，得到一个判别的可重构字典，一个机器错误数据的判别稀疏编码，以及一个最优的投影分类器；

利用所述最优的投影分类器完成对待测机器错误数据的类别预测和检索分类，得到所述测试集中待测数据的软类别标签，根据所述软类别标签中的概率最大值找到对应的位置，确定测试样本的类别，得到所述机器错误数据的鲁棒分类。

2.根据权利要求1所述的方法，其特征在于，利用标签预测方法通过直推式方式估计得到训练集中的未标定样本数据的类别标签前还包括：

获取原始的样本数据集合，将所述样本数据集合划分为训练集和测试集，所述训练集中包含已标记的训练样本和未标记的训练样本，所述已标记的训练样本和所述未标记的训练样本的机器数据向量集合n是机器数据的维度，l是已标记训练样本的数量，u是未标记训练样本数量，其中包含有c(c>2)个类别标签的训练样本集和无任何标签的训练样本集其中任意向量为机器数据样本，l+u＝N，所述测试集中的测试样本全部未标记。

3.根据权利要求2所述的方法，其特征在于，根据所述新训练集中的机器错误数据及其标签信息，进行标签一致字典学习包括：预设D为学习得到的所述可重构字典，S是训练集的所述判别稀疏编码，AS为所述自适应权重编码，P代表一个所述投影分类器；

⟨D,S,A,P⟩=argminD,S,A,P||X-DS||F2+α||Q-AS||F2+βΣj=1l+u||PTxj-PTΣj:xj∈N(xi)(AS)i,jxj||22+Σi=1l+uμi||PTxi-yi||22Subj||si||0≤T1,i∈{j|j=1,2,...,N},]]>其中，是重构误差，T₁是稀疏约束，s_i定义如下：

si=s*(xi,D)≡argmins||xi-Ds||22s.t.||s||0≤T1,]]>

为判别稀疏编码误差，其中为训练数据集的判别稀疏编码，α是该项的权衡参数；

当训练样本x_i和x_j属于不同类别时，所述训练样本x_i和x_j在Q中对应的项为0，否则训练样本x_i和x_j在Q中对应的项为cos(x_i，x_j)；

是累积的邻域重构误差，β是该项的权衡参数；

表示分类误差，最大元素对应的位置表示x_i的软标签，μ_i表示x_i的调整参数，当训练集中x_i的标签已知时，对应的μ_i＝10¹⁰，否则μ_i＝0。