## 1.代码 ### 1.1 模型代码 **版本1.0**：包含TE_main1（5个）和TE_main2（4个），前者用于特征提取，后者用于分类器。此版本模型均为二分类，且前者提取到的特征会保存为csv文件，后者直接读取csv文件训练二分类器，并做预测。 *第一版的一个未完成代码：TE_main_tSNE.py，该代码是为了复现 “SAE+t-SNE+DBSCAN&K-means”这篇论文，但是没有完成.* **版本2.0**：包含TE_Main_DAE+Softmax.py和TE_Main_LSTM&DAE+Softmax.py两个文件（“预训练 + 微调”）。 **版本3.0**：包含TE_FinalModel1 ~ TE_FinalModel10共10个文件。这个版本的模型思想是：将正常样本和故障样本分开提取特征，分开训练二分类器（也是每个故障单独研究），效果极好，最后一个LSTM模型直接训练、测试全部达到了100%，这是因为人为干预了分类器的训练，所以这个版本模型不符合实际规律。 **版本4.0**：TE_FinalModel1 ~ TE_FinalModel10中，

基于数据解析的化工生产过程诊断（毕设，含数据及结果图片）.zip

毕设TE 4.29更新 1.代码 1.1模型代码 版本1.0 ：包含TE_main1（5个）和TE_main2（4个），前者用于特征提取，用于其他分类器。第一版的一个未完成的代码：TE_main_tSNE.py，该代码是为了重现“ SAE + t-SNE + DBSCAN＆K-means”这篇论文，但是没有完成。 版本2.0 ：包含TE_Main_DAE + Softmax.py和TE_Main_LSTM＆DAE + Softmax.py两个文件（“预训练+微调”）。 版本3.0 ：包含TE_FinalModel1〜TE_FinalModel10共10个文件。这个版本的模型思想是：将正常样本和故障样本分开提取特征，分开训练二分类器（也是每个故障单独研究），效果极好，最后一个LSTM模型直接训练，测试全部达到了100％，这是因为人为干预了分类器的训练，所以这个版本模型不符合实际规律。