技术摘要：
本发明属于数据训练处理技术领域，公开了一种用于为统计应用处理训练数据的系统和方法，所述用于为统计应用处理训练数据的系统包括：待训练数据获取模块、数据预处理模块、置信度计算模块、中央控制模块、数据训练模块、训练纠正模块、训练结果输出模块、结果评价模块  全部
背景技术：
目前，最接近的现有技术：统计分类有两种被广泛认可的含义。第一，基于一组观 察结果或数据，统计分类试图建立数据中类或聚类的存在。这种类型的统计分类被称为无 监督学习(或聚类)。第二，类的存在可能是预先知道的。在第二种情况下，统计分类试图建 立单个规则或多个规则，由此，新的观察结果被分类为已知的现存类中的一个。这种类型的 统计分类被称为监督式学习。 监督式学习在工业和技术应用上拥有广泛的适用性。例如，监督式学习可用于为 机器视觉识别建立单个规则或多个规则。基于所建立的(一个或多个)规则的机器视觉识别 可用于引导或控制自动化制造过程。在监督式学习中，选择被认为是代表所定义的(一个或 多个)分类的一组测量。基于所选择的测量，创建训练数据。根据所定义的分类标记训练数 据中的每个元素。随后，基于所标记的训练数据，各种方法可用于分类以后所观察的数据元 素。 “最近邻居(nearest  neighbor)”分类方法测量从所观察的数据元素到训练数据 中每个数据元素的距离(例如，使用合适的加权度量计算)。从训练数据中选择N个最近的数 据元素。在这N个最近的数据元素中最频繁出现地类被用于分类所观察的数据元素。这种分 类方法假定训练数据元素的分类是正确的。然而，由于多种原因。分类可能有许多错误。错 误分类的数量与分类方法的准确度有关。具体地说，训练数据中错误分类的数量越大，导致 分类性能准确度越低。从而，分类数据的数据完整性在监督式学习应用中是个重要的考虑 因素。同时，现有数据训练方法未对待训练数据进行降噪等处理，导致数据训练结果存在较 大误差。 综上所述，现有技术存在的问题是：现有训练数据的分类方法存在许多错误，训练 数据中错误分类的数量越大，导致分类性能准确度越低。同时，现有数据训练方法未对待训 练数据进行降噪等处理，导致数据训练结果存在较大误差。
技术实现要素：
针对现有技术存在的问题，本发明提供了一种用于为统计应用处理训练数据的系 统和方法。 本发明是这样实现的，一种用于为统计应用处理训练数据的方法，所述用于为统 计应用处理训练数据的方法包括： 步骤一，通过训练数据获取装置获取待训练的数据；通过数据预处理程序对待训 练数据进行降噪、增强处理；对待训练数据带噪放电信号进行去噪处理，采集的故障点待训 练数据放电带噪声音信号为y(n)，加窗处理后得到第i帧信号为yi(n)，将其做DFT后为Yi 5 CN 111597934 A 说　明　书 2/8 页 (w)，其幅值为|Yi(w)|，前导无话段的噪声平均能量为 a为过减因子，b为增益补偿因 子，谱减后信号的幅值为 利用待训练数据信号对相位不敏感的特性，谱减后信号 的幅值结合谱减前信号的相位经傅里叶逆变换即可得到经过谱减处理，即已初步消噪的待 训练数据信号，谱减算法为： 根据小波与采集信号样本数据的特性确定小波基与小波分解层数，阶数的小波取 3～5； 步骤二，通过置信度计算程序计算所述多个训练数据结构中的每个的相应的置信 度值； 步骤三，通过中央控制器控制处理训练数据的系统的正常运行；通过数据训练程 序利用数据训练模型对已赋予置信度值的数据进行训练处理； 步骤四，通过训练纠正程序对数据训练结果进行纠正处理；通过结果输出程序输 出训练结果；通过结果评价程序对输出的训练结果进行评价； 步骤五，通过微型存储芯片存储获取的待训练数据、数据训练模型、训练结果以及 训练评价的实时数据； 步骤六，通过显示器显示获取的待训练数据、数据训练模型、训练结果以及训练评 价的实时数据；对显示器图像进行过分割和模板参数提取，对整个输入图像，以8*8个像素 为单元，计算每个单元的平均灰度值和每个单元的最大灰度值，得到至少一个区域，同一个 所述区域中各个像素点的颜色值相同；确定每个区域的颜色值和质心；根据各个区域所对 应的颜色值以及各个区域的质心，建立所述显著性模型； 显著性模型为： 其中，Si1为区域Ri中任一像素点的显著性值，w(Rj)为区域Rj中的像素点的个数，DS (Ri,Rj)用于表征所述区域Ri和所述区域Rj之间空间位置差异的度量值，DC(Ri,Rj)用于表征 所述区域Ri和所述区域Rj之间颜色差异的度量值，N为对所述图像进行过分割后得到的区域 的总个数，DS(Ri,Rj)为：DS(Ri,Rj)＝exp(-(Center(Ri)-Center(R ))2j /σ2s )；Center(Ri)为所 述区域Ri的质心，Center(Rj)为所述区域Rj的质心，当所述图像中各个像素点的坐标均归一 化到[0,1]时； 进一步，所述训练数据获取模块的训练数据获取方法如下： (1)获取目标训练数据子集，所述目标训练数据子集为初始训练数据集的多个训 练数据子集中的任意一个，所述多个训练数据子集中的每个训练数据子集分别对应一个类 别标签； 6 CN 111597934 A 说　明　书 3/8 页 (2)在所述初始训练数据集的训练数据子集中，获取除所述目标训练数据子集之 外的第一参考数量个训练数据子集； (3)在所述第一参考数量个训练数据子集中，获取每一个训练数据子集中第二参 考数量个训练数据，得到第一参考数量组的训练数据； (4)将所述第一参考数量组的训练数据添加到所述目标训练数据子集中，得到更 新后的目标训练数据子集，基于所述更新后的目标训练数据子集及所述初始训练数据集中 剩余的训练数据子集获取用于对机器学习模型进行训练的目标训练数据。 进一步，所述第二参考数量根据参考比例、所述初始训练数据集中训练数据子集 的数量以及每一个训练数据子集包含的训练数据的数量确定，所述参考比例用于确定增加 的训练数据的数量。 进一步，所述置信度计算模块的待训练数据的置信度计算方法如下： (I)访问多个已获取的训练数据结构，其中，每个训练数据结构包括多个特征变量 和标识多个类中的一个的变量； (II)计算所述多个训练数据结构中的每个的相应的置信度值，所述置信度值指示 了所述相应的训练数据结构属于其所标识的类的概率； (III)生成用于散点图的图形用户接口，所述散点图可视地指示所述多个训练数 据结构的置信度值；所述散点图中用所述置信度值注释点的至少一个子集。 进一步，步骤(III)中，所述显示步骤使用预定颜色以标识与低于阂值的置信度值 相关联的训练数据结构；所述阂值是通过接收来自用户的输入而确定的；所述图形用户接 口标识所述散点图的与所述多个类中的每个相关联的区域。 进一步，所述数据训练模块的对待训练数据进行训练的方法如下： 1)获取原始训练数据，并对原始训练数据进行聚合，得到聚合训练数据； 2)根据所述原始训练数据与所述聚合训练数据建立索引向量，所述索引向量取值 的绝对值用于指示原始训练数据中训练数据在聚合训练数据中的位置； 3)随机读取索引向量的取值，根据所述取值从所述聚合训练数据中获取对应的训 练数据；并利用获取到的训练数据进行模型训练。 本发明的另一目的在于提供一种应用所述用于为统计应用处理训练数据的方法 的用于为统计应用处理训练数据的系统，所述用于为统计应用处理训练数据的系统包括： 待训练数据获取模块，与中央控制模块连接，用于通过训练数据获取装置获取待 训练的数据； 数据预处理模块，与中央控制模块连接，用于通过数据预处理程序对待训练数据 进行降噪、增强处理； 置信度计算模块，与中央控制模块连接，用于通过置信度计算程序计算所述多个 训练数据结构中的每个的相应的置信度值； 中央控制模块，与待训练数据获取模块、数据预处理模块、置信度计算模块、数据 训练模块、训练纠正模块、训练结果输出模块、结果评价模块、数据存储模块、显示模块连 接，用于通过中央控制器控制各个模块的正常运行； 数据训练模块，与中央控制模块连接，用于通过数据训练程序利用数据训练模型 对已赋予置信度值的数据进行训练处理； 7 CN 111597934 A 说　明　书 4/8 页 训练纠正模块，与中央控制模块连接，用于通过训练纠正程序对数据训练结果进 行纠正处理； 训练结果输出模块，与中央控制模块连接，用于通过结果输出程序输出训练结果； 结果评价模块，与中央控制模块连接，用于通过结果评价程序对输出的训练结果 进行评价； 数据存储模块，与中央控制模块连接，用于通过微型存储芯片存储获取的待训练 数据、数据训练模型、训练结果以及训练评价的实时数据； 显示模块，与中央控制模块连接，用于通过显示器显示获取的待训练数据、数据训 练模型、训练结果以及训练评价的实时数据。 本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程 序使电子设备执行权利要求任意一项所述包括下列步骤： 步骤一，通过训练数据获取装置获取待训练的数据；通过数据预处理程序对待训 练数据进行降噪、增强处理。 步骤二，通过置信度计算程序计算所述多个训练数据结构中的每个的相应的置信 度值。 步骤三，通过中央控制器控制处理训练数据的系统的正常运行；通过数据训练程 序利用数据训练模型对已赋予置信度值的数据进行训练处理。 步骤四，通过训练纠正程序对数据训练结果进行纠正处理；通过结果输出程序输 出训练结果；通过结果评价程序对输出的训练结果进行评价。 步骤五，通过微型存储芯片存储获取的待训练数据、数据训练模型、训练结果以及 训练评价的实时数据。 步骤六，通过显示器显示获取的待训练数据、数据训练模型、训练结果以及训练评 价的实时数据。 本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包 括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的用于为统计 应用处理训练数据的方法。 本发明的另一目的在于提供一种终端，所述终端搭载所述的用于为统计应用处理 训练数据的系统。 综上所述，本发明的优点及积极效果为：本发明提供的用于为统计应用处理训练 数据的系统和方法，通过待训练数据获取模块在同一初始训练数据集中获取数据并将获取 的训练数据添加到目标训练数据子集，利用增加数据后的目标训练数据子集及初始训练数 据集中剩余的训练数据子集来获取训练机器学习模型的目标训练数据，从而能够通过增加 的噪声数据来抵消原有噪声数据对模型训练的影响，进而提高模型的识别准确率，同时也 减少了获取训练数据的时间成本以及人力和财力成本。通过数据训练模块在训练数据聚合 的前提下，通过随机读取索引向量取值，可以从聚合训练数据中获取对应的训练数据，保证 了用于模型训练的训练数据的随机性，从而可以在节省内存的基础上改善模型训练效果。 附图说明 图1是本发明实施例提供的用于为统计应用处理训练数据的方法流程图。 8 CN 111597934 A 说　明　书 5/8 页 图2是本发明实施例提供的用于为统计应用处理训练数据的系统结构示意图； 图中：1、待训练数据获取模块；2、数据预处理模块；3、置信度计算模块；4、中央控 制模块；5、数据训练模块；6、训练纠正模块；7、训练结果输出模块；8、结果评价模块；9、数据 存储模块；10、显示模块。