论文部分内容阅读
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。