买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉江苏师范大学申请的专利一种半监督鉴别混合概率主元分析的多模态监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114757245B 。

龙图腾网通过国家知识产权局官网在2025-07-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202011576185.2，技术领域涉及：G06F18/23；该发明授权一种半监督鉴别混合概率主元分析的多模态监测方法是由任世锦;任珈仪;陈琳;潘剑寒;王波;魏明生设计研发完成，并于2020-12-28向国家知识产权局提交的专利申请。

本一种半监督鉴别混合概率主元分析的多模态监测方法在说明书摘要公布了：本发明涉及一种半监督鉴别混合概率主元分析的多模态监测方法，包括离线建模和在线建模两个阶段，利用标记和未标记数据样本集中的鉴别信息划分多模态空间，利用数据集的全局和局部几何信息，增强模态空间分离性，有利于提高模型的准确性；借鉴混合概率主元分析MPPCA思想，提出使用E‑F‑M算法自动确定混合模型低维空间的维数以及求取最优模型参数；对每个模态使用加权SVDD模型和Bayesian推理构建监测统计量，从充分利用数据模态信息，解决因过程数据中包含过程因素和非过程因素导致传统故障监测统计量T2和SPR检测准确度率不高的问题，该方法不仅能够监测能够检测已知过程模态而且还能够检测未知过程模态。本发明自动划分复杂数据集划分到多个模态，无需事先划分模态，有利于提高算法的适用范围。

本发明授权一种半监督鉴别混合概率主元分析的多模态监测方法在权利要求书中公布了：1.一种半监督鉴别混合概率主元分析的多模态监测方法，其特征在于，包括离线建模和在线建模两个阶段，所述离线建模阶段的具体过程如下： S101、输入K个模态的标记数据集XL,y以及未标记数据集Xu，调用半监督鉴别MPPCA方法对标记数据集和未标记数据集进行训练，获得训练结果k＝1,2,…,K，m＝1,2,…,Nu； 半监督鉴别MPPCA方法对标记数据集和未标记数据集训练的具体过程如下： 1计算样本的均值和方差，对数据进行归一化处理；设定低维隐空间维数d'，初始隐空间维数为d＝D-1；设模型中的隐变量维数控制参数初始值al＝1且l＝1,2,…,d'，最大迭代次数maxiter，迭代次数的初始值t'＝1，算法停止阈值ε，模态数量K； 2利用MPPCA算法对所有样本进行聚类，把每个低维子空间样本的均值和方差作为该类隐变量t先验分布参数的初始值，MPPCA模型参数作为负荷矩阵Pk、类别先验概率的初始值，每个子空间的样本的均值、重构误差的方差分别作为第k类隐向量的均值uk和Ψk初始值； 3E步：利用当前模型参数计算隐变量相应的期望值以及二阶统计量； 4F步：更新投影鉴别信息矩阵P'； 5M步：更新模型参数Pk，αl，uk，ψk,k＝1,2,…,K； 6如果对数似然函数值满足|LX,Y,Xu|Θt'-1-LX,Y,Xu|Θt'|≤ε或迭代次数满足t'≥maxiter则转至步骤7，否则使t'＝t'+1并返回步骤3； 7对al＝1按照降序排列，保留前面d'个对应的隐变量以及模型参数值uk，ψk作为最优模型参数； S102、设定置信度值γ，正则化常数C； S103、把未标记样本划分到相应的模态中，样本属于第k*个模态的判定方法为 相应的权重为且表示属于第k个模态的指示变量，如果则表示完全属于第k个模态，否则完全不属于第k个模态；表示属于第k个模态的随机变量，表示随机变量的期望；令有标记样本和未标记样本集属于第k类的样本为每个样本属于该类的概率记为其中里有标记样本的权重为1，i＝1,2,…,N'k，N'k为该类样本数量； S104、基于数据集对应的隐变量集求解所示优化问题，根据最优参数计算隐空间的超球的中心和半径k＝1,2,…,K； S105、根据下式计算集合中样本x′k,i所对应的重构残差e'k,i， 式中，I为相应维数的单位矩阵，uk分别为第k个子模型的隐变量负荷矩阵和均值，ψk为第k个子模型的噪声协方差矩阵，且k＝1,2,…,K； 根据残差数据集解优化问题，再根据最优参数计算残差空间的超球的中心和半径k＝1,2,…,K； 所述在线建模阶段的具体过程如下： S201、对于新输入数据xnew，计算其投影到第kk＝1,2,…,K个隐变量的期望和样本重构误差enew，,k,k＝1,2,…,K； S202、求解属于异常状态的后验概率，并求解样本重构误差enew，,k属于异常状态的后验概率,k＝1,2,…,K； S203、计算所有训练样本的全局Bayeisan的故障监测指标BFDIstxtrain和BFDIextrain； S204、由所有训练样本计算全局故障监测指标置信限BFDIe,lim和BFDIst,lim； S205、计算xnew的全局Bayeisan的故障监测指标BFDIstxnew和BFDIexnew； S206、判断是否发生故障，若BFDIstxnew＞BFDIst,lim或BFDIexnew＞BFDIe,lim，则过程发生故障，否则过程处于正常状态。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人江苏师范大学，其通讯地址为：221116 江苏省徐州市铜山新区上海路101号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。