[發(fā)明專利]一種基于聚類方法的測量數(shù)據粗大誤差處理系統(tǒng)及處理方法

無效

• 申請?zhí)枺?/td>: 200910090373.1
• 申請日: 2009-08-07
• 公開（公告）號: CN101620619A
• 公開（公告）日: 2010-01-06
• 發(fā)明（設計）人: 路輝;郎榮玲;路倩
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京永創(chuàng)新實專利事務所
• 代理人: 周長琪

技術領域

本發(fā)明屬于測量數(shù)據分析和處理領域，具體涉及一種基于聚類方法的測量數(shù)據粗大誤差 處理系統(tǒng)及方法。

背景技術

目前自動測試系統(tǒng)和各種形式的數(shù)據采集系統(tǒng)在各行各業(yè)得到了廣泛的應用，隨著計算 機技術、微電子技術、通信技術以及信息技術的發(fā)展，各種智能系統(tǒng)越來越廣泛地應用于測 試系統(tǒng)，傳統(tǒng)的電子測量儀器將逐漸被智能電子測量儀器所代替。智能電子測量系統(tǒng)中一般 是應用微處理器(Microprocessing?Unit，簡稱為MPU)通過模數(shù)(Alalog/Digital，簡 稱為A/D)轉換器對被測信號進行多次重復采樣，然后對采樣數(shù)據進行處理，如數(shù)字濾波、 傅立葉變換、頻譜分析。為了獲得比較準確的測量結果，必須保證采樣數(shù)據的準確性。但實 際測量過程中，不可避免地會受到測量工具、方法、環(huán)境因素的影響從而產生測量誤差。尋 找測量誤差的來源，分析和研究其規(guī)律，對減少誤差，提高測量準確度是十分重要的。

粗大誤差是指由于測量人員的主觀原因或客觀外界條件的原因而引起的歪曲測量結果的 數(shù)據。為了通過測量數(shù)據而獲得被測量真值的正確估計，在對測量數(shù)據進行數(shù)據處理前，必 須剔除其中含有粗大誤差的數(shù)據。

目前，判別粗大誤差的方法主要是基于統(tǒng)計學原理的方法，常用粗大誤差的判定準則有： 萊特準則、肖維勒準則、格羅布斯準則、羅曼諾夫斯基準則，這些方法在實際工程和理論分 析過程中占據了主要地位。但對于實際測量數(shù)據來說，往往不能保證其滿足某種概率分布， 若此時仍采用統(tǒng)計方法來判別其是否含有粗大誤差，則不一定會獲得可靠的判別結果。針對 以上情況，相繼出現(xiàn)了采用信息熵判別法和灰色判別法的非統(tǒng)計方法來對測量數(shù)據中的粗大 誤差進行判別。

另外，測量系統(tǒng)獲得的數(shù)據量是非常豐富的，如果采用上述的各種方法進行計算的話， 是一種不可取的方法，同時目前的智能儀器和數(shù)據采集系統(tǒng)往往同時獲取多個參數(shù)的信息， 需要充分考慮各個參數(shù)的特性，來進行粗大誤差數(shù)據的剔除工作。

通過上述分析，可以發(fā)現(xiàn)傳統(tǒng)的剔除粗大誤差的方法一般都是對于單維、小數(shù)據量的處 理過程，即對單個參數(shù)單獨進行測量、單獨進行分析，忽略了多個參數(shù)之間的耦合關系，即 對于多維數(shù)據具有一定的局限性，同時對于每次測量過程都需要進行計算、分析，沒有形成 相應的誤差判定規(guī)則，大多數(shù)依靠測量人員的人工分析，處理過程時間復雜度很高，這與目 前測量儀器的發(fā)展趨勢和技術水平嚴格不符，目前的儀器一般都屬于智能儀器的范疇，與計 算機間具有通訊接口，因此可以直接將測量數(shù)據輸入計算機，由相應的誤差分析系統(tǒng)進行處 理。

聚類是將物理或抽象對象的集合分成相似的對象類的過程，也是形成若干個簇的過程， 簇是數(shù)據對象的集合，這些對象與同一個簇中的對象彼此相似，而與其它簇中的對象相異。 聚類可以在沒有任何先驗知識的前提下，得到數(shù)據間的類別關系，同時與其它方法相比該方 法適用于多維數(shù)據和海量數(shù)據，所以又把聚類稱為數(shù)據分割，因為它根據數(shù)據的相似性把大 型數(shù)據集合劃分為組。聚類方法主要包括基于劃分的方法、基于層次的方法、基于密度的方 法、基于網格的方法和基于模型的方法，其中k-means即k均值方法是一種最基本的方法。 目前聚類已經廣泛應用于許多應用領域，包括市場研究、模式識別和圖像處理，根據聚類方 法的特性，可以將其應用在誤差分析方面。

發(fā)明內容

本發(fā)明的目的是提出一種基于聚類方法的粗大誤差處理系統(tǒng)，系統(tǒng)可以融合目前各種數(shù) 據采集和測試系統(tǒng)的特點，同時不需考慮數(shù)據的分布情況，因此相對于傳統(tǒng)的粗大誤差處理 方法具有更廣泛的意義。本發(fā)明的系統(tǒng)既適用于傳統(tǒng)的采集系統(tǒng)處理過程，也就是對同一參 數(shù)進行多次測量后進行人工分析的過程，更適用于目前的廣義采集系統(tǒng)的處理過程，即對多 個測量參數(shù)進行多次測量的過程；同時根據處理結果可以采用自學習的機制，獲取相應的粗 大誤差判定規(guī)則。

所述的基于聚類方法的粗大誤差處理系統(tǒng)包括：測量數(shù)據獲取模塊、測量數(shù)據庫模塊、 特征提取模塊、特征庫模塊、聚類方法選擇模塊、聚類結果模塊、規(guī)則提取模塊、規(guī)則庫模 塊和報告生成模塊，其中測量數(shù)據獲取模塊用于從采集系統(tǒng)獲取相應的測量數(shù)據，并將數(shù)據 提供給測量數(shù)據庫模塊。