[发明专利]用于为统计应用处理训练数据的系统和方法

权利要求书

1.一种用于为统计应用处理训练数据的方法，其特征在于，所述用于为统计应用处理训练数据的方法包括：

步骤一，通过训练数据获取装置获取待训练的数据；通过数据预处理程序对待训练数据进行降噪、增强处理；对待训练数据带噪放电信号进行去噪处理，采集的故障点待训练数据放电带噪声音信号为y(n)，加窗处理后得到第i帧信号为y_i(n)，将其做DFT后为Y_i(w)，其幅值为|Y_i(w)|，前导无话段的噪声平均能量为a为过减因子，b为增益补偿因子，谱减后信号的幅值为利用待训练数据信号对相位不敏感的特性，谱减后信号的幅值结合谱减前信号的相位经傅里叶逆变换即可得到经过谱减处理，即已初步消噪的待训练数据信号，谱减算法为：

根据小波与采集信号样本数据的特性确定小波基与小波分解层数，阶数的小波取3～5；

步骤二，通过置信度计算程序计算所述多个训练数据结构中的每个的相应的置信度值；

步骤三，通过中央控制器控制处理训练数据的系统的正常运行；通过数据训练程序利用数据训练模型对已赋予置信度值的数据进行训练处理；

步骤四，通过训练纠正程序对数据训练结果进行纠正处理；通过结果输出程序输出训练结果；通过结果评价程序对输出的训练结果进行评价；

步骤五，通过微型存储芯片存储获取的待训练数据、数据训练模型、训练结果以及训练评价的实时数据；

步骤六，通过显示器显示获取的待训练数据、数据训练模型、训练结果以及训练评价的实时数据；对显示器图像进行过分割和模板参数提取，对整个输入图像，以8*8个像素为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个区域，同一个所述区域中各个像素点的颜色值相同；确定每个区域的颜色值和质心；根据各个区域所对应的颜色值以及各个区域的质心，建立所述显著性模型；

显著性模型为：

其中，S_i1为区域R_i中任一像素点的显著性值，w(R_j)为区域R_j中的像素点的个数，D_S(R_i,R_j)用于表征所述区域R_i和所述区域R_j之间空间位置差异的度量值，D_C(R_i,R_j)用于表征所述区域R_i和所述区域R_j之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域的总个数，D_S(R_i,R_j)为：Center(R_i)为所述区域R_i的质心，Center(R_j)为所述区域R_j的质心，当所述图像中各个像素点的坐标均归一化到[0,1]时；

2.如权利要求1所述的用于为统计应用处理训练数据的方法，其特征在于，所述训练数据获取模块的训练数据获取方法如下：

(1)获取目标训练数据子集，所述目标训练数据子集为初始训练数据集的多个训练数据子集中的任意一个，所述多个训练数据子集中的每个训练数据子集分别对应一个类别标签；

(2)在所述初始训练数据集的训练数据子集中，获取除所述目标训练数据子集之外的第一参考数量个训练数据子集；

(3)在所述第一参考数量个训练数据子集中，获取每一个训练数据子集中第二参考数量个训练数据，得到第一参考数量组的训练数据；

(4)将所述第一参考数量组的训练数据添加到所述目标训练数据子集中，得到更新后的目标训练数据子集，基于所述更新后的目标训练数据子集及所述初始训练数据集中剩余的训练数据子集获取用于对机器学习模型进行训练的目标训练数据。

3.如权利要求2所述的用于为统计应用处理训练数据的方法，其特征在于，所述第二参考数量根据参考比例、所述初始训练数据集中训练数据子集的数量以及每一个训练数据子集包含的训练数据的数量确定，所述参考比例用于确定增加的训练数据的数量。