[发明专利]基于迁移学习的绝缘子老化光谱分类方法

权利要求书

1.基于迁移学习的绝缘子老化光谱分类方法，其特征在于，包括下列步骤：

采集绝缘子老化光谱图像，并对所述绝缘子老化光谱图像进行归一化处理，通过构建CNN网络实现对归一化后的绝缘子老化光谱图像的第一次特征提取；

构建LSTM网络，将CNN网络所输出的特征提取结果作为LSTM网络的输入，实现对归一化后的绝缘子老化光谱图像的第二次特征提取；

构建DAA网络，将LSTM网络的前4层替换迁移到DAA网络中，生成LSTM+DAA网络，将LSTM网络的输出结果作为LSTM+DAA网络的输入，实现对绝缘子老化的分类。

2.根据权利要求1所述的基于迁移学习的绝缘子老化光谱分类方法，其特征在于，所构建的CNN网络由3个卷积层、3个池化层组成。

3.根据权利要求1所述的基于迁移学习的绝缘子老化光谱分类方法，其特征在于，所构建的LSTM网络由6个卷积层、6个池化层、三个控制门组成，所述控制门包括遗忘门、输入门、输出门。

4.根据权利要求3所述的基于迁移学习的绝缘子老化光谱分类方法，其特征在于，将LSTM网络的2个卷积层、2个池化层替换迁移至DAA网络中，生成LSTM+DAA网络，所述LSTM+DAA网络还包括了3个卷积层、2个池化层、判别器、2个全连接层、softmax层和输出层。

5.根据权利要求4所述的基于迁移学习的绝缘子老化光谱分类方法，其特征在于，所述判别器中包括第一损失方程：

式中n_s为训练集的数据量，n_t为测试集的数据量，D_s为训练集数据集合域，D_t为测试集数据集合域，L_d为训练集合域和测试集合域中对应的域适应损失，G_d为特征判别器，G_f特征提取器，x_i训练集的初试特征，d_i为伪标签。

6.根据权利要求5所述的基于迁移学习的绝缘子老化光谱分类方法，其特征在于，所述判别器中包括第二损失方程：

式中n_s为训练集的数据量，n_t为测试集的数据量，D_s为训练集数据集合域，D_t为测试集数据集合域，L_d为训练集合域和测试集合域中对应的域适应损失，G_d为特征判别器，G_f特征提取器，x_i训练集的初试特征，d_i为伪标签，为判别为同一类别的损失，为每一类别的判别器，为每一类别中被判别的标签。

7.根据权利要求6所述的基于迁移学习的绝缘子老化光谱分类方法，其特征在于，所构建的LSTM+DAA网络中的总损失函数为：

式中θ_f为特征提取器，θ_y为分类器，θ_d为判别器中能够训练的参数，λ为平衡参数。