综述：基于分层平衡伪标签随机森林的稀缺标注多类工业故障分类方法

《Processes》：Hierarchical Balanced Pseudo-Label Random Forest for Imbalanced Industrial Process Fault Classification Under Limited Labels

　　

摘要

目的：本研究针对人工标注同时稀缺且类别不平衡的多类工业故障分类问题。所提出的分层平衡伪标签随机森林（HBPL-RF）在以下方面具有新颖性：将类别自适应置信度阈值与每类伪标签配额相结合，配合类别平衡森林、验证门控与回滚机制、极端标注稀缺下的软融合，以及稀有故障优先决策分支。HBPL-RF 在 Cranfield 多相流基准测试和田纳西伊士曼（Tennessee Eastman）基准测试上进行了评估，涵盖五种标注比例和五种随机种子。在统一协议下，HBPL-RF 取得了最高的观测平均宏平均 F1 值：Cranfield 为 0.7324，田纳西伊士曼为 0.6109。在 1% 的 Cranfield 标注水平下，主要的交叉验证可行配置在每个种子下包含五个标注的 Case 6 窗口，以支持五折验证，所得 Case 6 的 F1 为 0.6627 ± 0.0458。而在严格比例抽样、仅三个 Case 6 标注的条件下，F1 降至 0.4019 ± 0.0718；因此，上述主要数值不应被解读为常规比例 1% 随机标注的结果。容量匹配对照实验、消融实验、敏感性分析和误差分解均与预期的类别控制及稀有故障保护机制一致，但并不能确立因果关系或普适的优越性。本文结论仅限于所研究的两个基准测试、已声明的标注协议和实验条件。