不平衡小样本基于局部域对抗适应网络的发动机振动预测模型

摘要： 在发动机振动预测中，实际装配数据样本量小且类别不平衡，难以直接建立有效的预测模型。迁移学习方法能够通过迁移源域知识来提高目标域模型性能，为此，本文提出了基于局部域对抗适应网络的发动机振动预测模型。将领域按标签分为多个局部域，通过多个局部域对抗适应网络将目标域样本映射到源域，保证小样本中的少数类得到正确迁移。并通过伪标签来解决目标样本的域转换，使用源域分类器给出可靠的预测结果。本...