-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathreadme
100 lines (92 loc) · 3.72 KB
/
readme
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
首先需要本地启动neo4j，并打开网页端
注意：DataKg - neo4j_model 中的用户名及密码要与本地一致
主要文件：
主要分类文件 classification
neo4j_model 用来保存对neo4j数据库的各种cypher操作，包括连接数据库，增删改查
py2neo_connect 文件：用来测试连接并清空数据库
py2neo_initialize 文件：用来初试化数据库，需要将文件提前放入neo4j的import文件中，注意：文件命名需和标签名一致
py2neo_search 知识图谱的查询以及展示文件
feature_extraction 提取轴承特征，并存到csv
read&visualization 读文件并且可视化
result_compare&show 结果对比并展示
dataProcessing
data cwru数据
lstm_cwru OBiLSTM模型，用来分类数据
RippleNet-Pytorch 用来推理补全
配置文件
Tensorflow 1.14.0
Keras 2.4.3
Neo4j community-3.3
py2neo 4.0.0
pytorch > 1.0.0
├─DataKg
│ │ neo4j_model.py 知识图谱的指令集合模型
│ │ py2neo_connect.py 用来测试连接和清空的文件
│ │ py2neo_initialize.py 构建知识图谱的文件
│ │ py2neo_initialize_loadFromCSV.py 已弃用，从csv导入数据，导入的数字带有''引号，因此查询时不能进行大小范围的查询
│ │ py2neo_search.py 知识图谱的查询以及展示文件
│ │
│ └─__pycache__
│ neo4j_model.cpython-37.pyc
│ py2neo_search.cpython-37.pyc
│
├─DataProcessing
│ ├─data 西储大学数据
│ │ │ 12k&DE&FE&level&15.txt 12k 有de有fe有level 共15个分类
│ │ │ 12kdata.txt 12k的数据清单
│ │ │ 21.txt 21个分类
│ │ │ 48kdata.txt 48k的数据清单
│ │ │ 83.txt 83个分类
│ │ │ DE&level.txt 驱动+level
│ │ │ FE&level.txt 风扇+level
│ │ │ predict3_50CuDNNLSTM_Dropout_4times.h5
│ │ │ 数据简介.txt
│ │ │
│ │ ├─CaseWesternReserveUniversityData
│ │ │
│ │ └─__MACOSX
│ │ └─CaseWesternReserveUniversityData
│ │ ._.DS_Store
│ │ ._CWRU数据说明.doc
│ │
│ └─LSTM_CWRU
│ │ change_encode.py 改变文件编码
│ │ classification.py 主要代码文件 混合LSTM分类模型
│ │ feature_extraction.py 提取轴承特征，并存到csv
│ │ read&visualization.py 读文件并且可视化
│ │ result_compare&show.py 结果对比并展示
│ │ updata_feature_csv.py 更新csv特征文件
│ │
│ ├─model_file 模型文件存贮
│ │ │ classification_model.h5 分类模型文件
│ │ │ matrix_result.png 混淆矩阵结果
│ │ │ model_log.txt 分类准确率结果
│ │ │ test.h5
│ │ │ 分类结果截图.docx
│ │ │
│ │ └─history_model 存储各个模型的准确率的结果
│ │ cnn_attention_单层BiGRU.txt
│ │ cnn_双层BiGRU_attention.txt
│ │ cnn_双层BiLSTM_attention.txt
│ │ 单层LSTM.txt
│ │
│ ├─reference 写代码时的一些参考文件
│ │ data_processing.py
│ │ echarts.py echarts展示图表还是很好看的
│ │ jiao_classification.py
│ │ normal_abnormal_data_plot.py
│ │ normal_data_plot.py
│ │ shi_cloud3d.py
│ │ sql_data.py
│ │ sun_test.py
│
└─import 导入知识图谱的csv文件
│ belongs.csv
│ change_encode.exe
│ fault.csv
│ feature.csv
│
└─15 15分类时候的csv文件
belongs.csv
fault.csv
feature.csv