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！

龙图腾网恭喜华侨大学申请的专利一种基于KFWAdaBoost的变压器故障检测方法、装置、设备及介质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：CN119646592B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202510148439.7，技术领域涉及：G06F18/24；该发明授权一种基于KFWAdaBoost的变压器故障检测方法、装置、设备及介质是由范宗文;缑锦;王成;虞志鸿设计研发完成，并于2025-02-11向国家知识产权局提交的专利申请。

本一种基于KFWAdaBoost的变压器故障检测方法、装置、设备及介质在说明书摘要公布了：本发明提供了一种基于KFWAdaBoost的变压器故障检测方法、装置、设备及介质，涉及变压器技术领域，本方法通过结合特征生成技术和集成学习策略，利用KPP算法生成聚类特征，并通过分析样本与簇中心的关系来编码样本的分布模式。模型在分类过程中为每个样本生成加权软标签，利用软标签表达类别间的模糊性和相似性，有效提升数据集的信息表达能力。还通过多轮迭代调整样本权重，强化对难分类样本的学习，并结合投票机制输出最终分类结果。此外，生成的新数据集不仅限于KFWAdaBoost模型，而是可以广泛应用于各种分类器的训练，提高了数据的利用效率和诊断的准确性。

本发明授权一种基于KFWAdaBoost的变压器故障检测方法、装置、设备及介质在权利要求书中公布了：1.一种基于KFWAdaBoost的变压器故障检测方法，其特征在于，包括：获取原始训练数据，对所述原始训练数据进行预处理，生成模型训练集；使用KPP算法对所述模型训练集和原特征矩阵进行聚类拼接预处理，生成训练特征矩阵；根据所述训练特征矩阵对FWAdaBoost模型进行训练，生成训练结果；基于所述训练结果和所述FWAdaBoost模型，进行软标签特征学习，生成软标签特征，并对所述软标签特征进行融合处理，得到分类特征增强数据集；对所述分类特征增强数据集进行性能评估处理，当基分类器数量达到预设值时，结束软标签特征学习进程；获取待检测的变压器数据，将所述变压器数据输入训练好的FWAdaBoost模型中，基于所述分类特征增强数据集，进行模型预测，生成故障检测结果；基于所述训练结果和所述FWAdaBoost模型，进行软标签特征学习，生成软标签特征，并对所述软标签特征进行融合处理，得到分类特征增强数据集，具体为：将所述训练结果输入所述FWAdaBoost模型中，所述FWAdaBoost模型中的基分类器在每一类别中筛选出代表性样本；根据所述模型训练集中的每个样本与每一所述代表性样本进行计算处理，生成隶属度；集成所有隶属度，生成软标签特征，并将所述软标签特征与原始特征矩阵进行融合，得到分类特征增强数据集；所述性能评估处理包括平均准确率和平均排名，所述平均准确率用于评估FWAdaBoost模型正确分类的能力，所述平均准确率的计算公式为：，其中，C为类别数，为正确分类为正类的样本，为正确分类为负类的样本，为错误分类为负类的正样本，为正确分类为负类的正样本；所述平均排名用于评估不同分类器在多个数据集上性能排名的平均值，所述平均排名的计算公式为：，其中，D为数据集的数量，为排名，是基于性能指标确定的。

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华侨大学，其通讯地址为：362000 福建省泉州市丰泽区城华北路269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”。