[发明专利]一种基于改进变分自动编码的装备退化多源数据融合方法

权利要求书

1.一种基于改进变分自动编码的装备退化多源数据融合方法，其特征在于，利用对数正态分布作为变分自动编码器的隐变量的先验分布，构建相应的代价函数正则化表达，结合数据归一化和模型批处理训练，获取退化多源数据的融合结果；

具体包括以下步骤：

步骤1：构建三层网络结构的对数正态分布变分自动编码器网络模型，所述三层网络结构包括编码层、重采样层和解码层；

步骤2：对退化多源数据进行归一化，建立用于步骤1构建的对数正态分布变分自编码器网络模型的训练、测试样本集；

所述的编码层包含均值网络和方差网络，均值网络的权重和偏置表示为：W_mean、b_mean，方差网络的权重和偏置表示为：W_var和b_var，对数正态分布对应的参数μ和σ分别表达为：

μ＝W_mean+b_mean

σ＝W_var+b_var

所述重采样层能够经过单次采样获取隐含层状态并传送至解码层进行原样本解码；

步骤3：利用变分贝叶斯原理，推导对数正态分布变分自编码器网络模型对应的KL散度正则化表达；

其中，对数正态分布变分自动编码器对应的KL散度正则化表达为：

其中，p_θ(z)为退化多源数据融合结果的先验分布，θ＝{0,σ₁}为对应分布的参数集，q_φ(z)为由步骤1构建的对数正态分布变分自编码器网络模型计算的数据融合结果的分布，φ＝{μ,σ}为对应的编码层计算的参数集；

步骤4：设置步骤1构建的对数正态分布变分自编码器网络模型的训练参数，并初始化模型权重；

步骤5：利用训练、测试样本集数据对模型进行训练，迭代更新模型训练参数，并通过测试集对训练结果进行验证，获取多源数据融合结果。

2.根据权利要求1所述的一种基于改进变分自动编码的装备退化多源数据融合方法，其特征在于，步骤4中模型训练参数包括模型学习率、输入与输出维度、批处理规模以及训练迭代次数。

3.根据权利要求2所述的一种基于改进变分自动编码的装备退化多源数据融合方法，其特征在于，步骤4中权重初始化为范围内的均匀分布，其中n_in和n_out为输入层和输出层的节点数。

4.根据权利要求2所述的一种基于改进变分自动编码的装备退化多源数据融合方法，其特征在于，所述模型学习率随模型迭代过程逐渐减小。

5.根据权利要求1所述的一种基于改进变分自动编码的装备退化多源数据融合方法，其特征在于，步骤5中多源数据融合结果表达为：

其中z融合结果，{W_mean,W_var,b_mean,b_var}为训练得到的编码层对应的权重和偏置，W_mean和b_mean为均值网络的权重与偏置；W_var和b_var为方差网络的权重和偏置，x为输入样本。