摘要:
针对不同工作环境的机载设备故障概率预测问题,提出自适应权重的插值-拟合-迁移学习 (interpolation-fitting-transfer learning, ITF)算法。算法根据数据量和数据特征(分布相似度和信息熵)对插值、拟合、迁移学习赋予一定的权重进行线性组合。插值和拟合方法可以对故障频率进行平滑,而迁移学习可以规避数据贫化所引起的预测风险。分析该方法的可行性,通过仿真实例展示算法在预测准确度上的优势,并讨论算法中仍待解决的问题和下一步的工作。
顾涛勇, 郭建胜, 李正欣, 王健, 王腾蛟. 基于插值-拟合-迁移学习算法的机载设备故障概率预测[J]. 系统工程与电子技术, 2018, 40(1): 114-118.
GU Taoyong, GUO Jiansheng, LI Zhengxin, WANG Jian, WANG Tengjiao. Airborne equipment fault probability prediction based on interpolation-fitting-transfer learning algorithm[J]. Systems Engineering and Electronics, 2018, 40(1): 114-118.