一种基于模糊支持向量机软件模块缺陷检测算法

不平衡数据的分类问题是机器学习研究领域的重要问题,有着广泛的应用,如软件模块缺陷检测.基于支持向量机的不平衡数据分类方法是主流的分类方法之一,受到研究者广泛的关注.本文在已有的基于模糊支持向量机的不平衡数据分类方法的基础上,结合抽样技术,提出了基于模糊支持向量机的不平衡数据分类算法和基于模糊支持向量机的不平衡数据分类集成算法.在NASA的两个软件模块缺陷度量数据集CM1和KC3上的实验结果表明了本文新提出算法的有效性.

基于 PN 学习的软件模块缺陷预测模型研究

PN学习作为一种新型的二元分类器,对结构化的无标签数据有较好的分类性能.软件模块缺陷预测中对无标签样本数据的分类直接影响着预测结果的准确性和可靠性.提出了基于PN学习方法的软件模块缺陷预测模型,结合灰色关联分析方法对实验样本进行降维处理从而提高模型的运算速度.通过实验和分析,证明了本方法的有效性.

换流站低压直流系统充电机模块运行维护策略研究

针对高压直流输电工程换流站内低压直流系统充电机模块运行情况,对目前换流站常用的许继电源、奥特迅、白云电器、珠海泰坦等厂商的充电机模块运行设计原理及运行工况进行研究,分析总结充电机模块故障或异常高发的根本原因。通过汇总换流站充电机模块的缺陷种类,针对不同原因的充电机模块故障,总结出高压直流输电工程低压直流系统充电机模块的运行维护策略,以提高充电机系统的运行可靠性和低压直流系统的设备稳定性,以确保换流站二次设备运行更加安全可靠。重点介绍低压直流系统充电机模块运行维护策略,在充电机模块使用前对备品模块进行单机试验,确保备品无误后再投入使用,定期对充电机模块的纹波系数、稳流稳压功能进行检验,对测试数据不合格的充电机模块进行更换,开展日常特巡时,注意检测充电机模块的输入输出量,并对模块进行测温。

适于少样本缺陷检测的两阶段缺陷增强网络

缺陷检测模型一般需要大量样本来学习缺陷的特征,但实际场景中一些重要缺陷的样本难以收集,如何用少量样本来学习罕见缺陷的特征成为一个具有挑战性的问题。为了促进少样本缺陷检测的研究,构建了一个新的工业表面缺陷数据集,包括缺陷样本和无缺陷样本。同时提出了一个两阶段缺陷增强网络以提升少样本场景下的缺陷检测性能,它利用了无缺陷样本,并将整个训练过程分为两个阶段。第一阶段的训练需要大量缺陷样本,而第二阶段的训练只需要少量缺陷样本和无缺陷样本。此外,还提出了一个缺陷突显模块,可以更好地利用无缺陷样本来增强缺陷区域的特征。在新数据集上的实验表明,该缺陷检测模型的性能优于其他的少样本目标检测模型,在工业表面缺陷检测中具有更好的应用前景。