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！

龙图腾网获悉常州大学申请的专利一种基于无监督学习的示功图样本集制备方法及装置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：CN115510983B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202211204326.7，技术领域涉及：G06F18/214；该发明授权一种基于无监督学习的示功图样本集制备方法及装置是由王相;邵志伟;芮诚设计研发完成，并于2022-09-29向国家知识产权局提交的专利申请。

本一种基于无监督学习的示功图样本集制备方法及装置在说明书摘要公布了：本发明公开了一种基于无监督学习的示功图样本集制备方法及装置，包括：获取油田数据，根据油田数据构建故障诊断大数据体系；根据故障诊断大数据体系获取检测样本向量并进行预处理操作；利用聚类算法对预处理后的样本向量进行聚类寻找最优分类数，并根据最优分类结果实现故障诊断类别的标记。本发明提供的示功图样本集制备方法，当有标记示例较少时，通过对大量未标记的示例改善学习性能，采用聚类算法中的轮廓系数确定最优分类数，根据分类结果将相同的向量绘制成示功图并结合专家经验进行判断，避免了样本标记中学习性能差，人工标记易出现误差的问题，降低了人力和时间成本并提高了故障诊断分类的准确率。

本发明授权一种基于无监督学习的示功图样本集制备方法及装置在权利要求书中公布了：1.一种基于无监督学习的示功图样本集制备方法，其特征在于，包括： 获取油田数据，根据所述油田数据构建故障诊断大数据体系；所述故障诊断大数据体系包括：井号，采集时间，位移，载荷； 根据所述故障诊断大数据体系获取检测样本向量并进行预处理操作； 利用聚类算法对所述预处理后的样本向量进行聚类寻找最优分类数，并根据最优分类结果实现故障诊断类别的标记；利用聚类算法对所述预处理后的样本向量进行聚类，包括： 设置分类数，每一个质心为一个类，计算剩余向量到各个质心的欧式距离并分到距离最小质心所在的簇； 向量划分完毕后，将到簇内其它点欧氏距离均值最小的向量作为新的质心，对所有向量重新进行划分； 当质心不再发生变化或者到达最大迭代次数时，停止迭代完成聚类； 寻找最优分类数包括： 根据位移载荷向量待聚类的簇数限值进行分类数的聚类并计算不同分类数对应的轮廓系数； 若轮廓系数值在簇数限值内持续上升无下降趋势，则需要扩大上限值并继续迭代寻优； 若轮廓系数值在簇数限值内上升后出现下降趋势，则轮廓系数达到最大时对应的分类数，即为最优分类数。

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常州大学，其通讯地址为：213100 江苏省常州市武进区湖塘镇滆湖中路21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”。

以上内容由龙图腾AI智能生成。