无监督轨道拱起诊断

5% 标注即高精度

降维与聚类结合的无监督学习框架，在动态检测数据上实现高精度轨道拱起识别，显著减少标注成本。

Tang, Xueyang · 75737211 · 蔡小培 · 杨飞 · 侯越

Computer-Aided Civil and Infrastructure Engineering 2024

参数信息

调整兰德指数

0.8

准确率

0.85

技术优势

无需人工标注

全无监督框架不依赖任何标注样本，直接对检测数据聚类，省去了整个打标环节。

标注量降到 5%

少样本框架只需少量标注样本即可微调，极大减少了对人工标注的依赖。

特征提取更有效

改进的变分自编码器在降维中显著提升编码器性能，使后续聚类或分类更准。

应用场景

• 铁路基础设施监测：用无监督方法快速定位轨道拱起，减少人工巡检，提前发现安全隐患。
• 轨道检测数据智能分析：把车载检测的纵向水平不平顺数据自动降维聚类，替代人工阈值判断。
• 少样本缺陷诊断：仅用 5% 标注样本就能微调模型，解决缺陷识别中标注成本高的痛点。