浙江大学冯毅雄获国家专利权
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！
龙图腾网获悉浙江大学申请的专利一种基于迁移学习的少样本装备状态预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：CN120448978B 。
龙图腾网通过国家知识产权局官网在2025-11-11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：202510897109.8，技术领域涉及：G06F18/2415；该发明授权一种基于迁移学习的少样本装备状态预测方法是由冯毅雄;宋秀菊;蒋翔宇;李普衍;洪兆溪;张志峰;谭建荣设计研发完成，并于2025-07-01向国家知识产权局提交的专利申请。
本一种基于迁移学习的少样本装备状态预测方法在说明书摘要公布了：本发明涉及工业设备状态监测领域，具体是一种基于迁移学习的少样本装备状态预测方法：利用PCTran模拟装备多种运行状态模式，获取装备不同状态下的运行参数的模拟数据，之后基于时频域特征提取状态模式特征表示机制，联合迁移学习与随机森林设计状态预测模型；采用最近类均值分类器作为随机森林的分裂函数，获取每个分裂函数的信息增益，根据最大信息增益确定最佳分裂函数；获取随机森林的特征重要性和树结构知识，通过KL散度动态评估特征可迁移性，迁移随机森林重要性特征至目标域。本发明可在保持少样本条件下高分类精度的同时，兼具模型稳定性和决策可解释性双重优势，特别适用于核电装备这类对安全性和可靠性要求极高的工业场景。
本发明授权一种基于迁移学习的少样本装备状态预测方法在权利要求书中公布了：1.一种基于迁移学习的少样本装备状态预测方法，其特征在于，包括： 步骤1：利用反应堆瞬态和事故模拟软件PCTran模拟压水堆核电装备多种运行状态模式，获取不同状态下的运行参数的模拟数据； 步骤2：对所述模拟数据进行时域特征提取； 步骤3：利用步骤2提取的时域特征数据训练源域随机森林模型，采用最近类均值分类器作为随机森林的分裂函数，获取每个分裂函数的信息增益，根据最大信息增益确定最佳分裂函数； 步骤4：通过最大化源域随机森林模型中所有子树的平均类概率确定最终的分类结果； 步骤5：获取源域随机森林模型的特征重要性和树结构知识； 步骤6：计算源域数据与目标域数据的KL散度，通过KL散度动态评估特征可迁移性，自动过滤不匹配特征； 步骤7：根据步骤6的特征可迁移性评估结果，迁移源域随机森林的特征重要性至目标域，对目标域数据进行加权，训练目标域随机森林模型。
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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励