故障样本扩得准
针对轴承故障数据不平衡问题，通过聚类加权与边界增强生成高质量样本，使小样本下的诊断精度显著提升。
王振亚 · 刘韬 · 伍星 · 刘畅
Journal of Computational Design and Engineering 2023
通过高斯混合模型聚类划分少数类样本，并根据聚类密度分布函数确定样本权重，使生成的样本覆盖更全面，避免集中在局部区域。
利用支持向量机对不平衡数据敏感的特性，在不同惩罚因子下建立生成数据与SVM分类器之间的增强边界，根据准确率确定最优边界，只有落在边界内的样本被保留，从而筛选出更符合真实分布的数据。
结合卷积神经网络与注意力机制，对增强后的数据进行训练，在两个实际案例中均取得了最高的诊断准确率。