[發(fā)明專利]一種模糊C均值聚類小數(shù)據(jù)量識別混沌的方法

有效

• 申請?zhí)枺?/td>: 201410381619.1
• 申請日: 2014-08-05
• 公開（公告）號: CN104156768B
• 公開（公告）日: 2017-05-17
• 發(fā)明（設計）人: 周雙;馮勇;吳文淵;楊文強
• 申請（專利權）人: 中國科學院重慶綠色智能技術研究院
• 主分類號: G06N7/00
• 分類號: G06N7/00
• 代理公司: 北京同恒源知識產(chǎn)權代理有限公司11275
• 代理人: 廖曦

1.一種模糊C均值聚類小數(shù)據(jù)量識別混沌的方法，其特征在于：包括以下步驟：

步驟一：從實際工程應用中對信號進行濾波采樣，獲得時間序列數(shù)據(jù)；

步驟二：利用小數(shù)據(jù)量算法，對采樣到的時間序列數(shù)據(jù)進行處理，得到發(fā)散收縮程度指數(shù)集合；

步驟三：利用模糊C均值聚類算法，將發(fā)散收縮程度指數(shù)集合分為飽和以及不飽和兩類數(shù)據(jù)，并保留不飽和類數(shù)據(jù)；

步驟四：將不飽和類數(shù)據(jù)進行二階差分，對所得數(shù)據(jù)利用模糊C均值聚類算法分為正波動、負波動以及零波動三類數(shù)據(jù)；

步驟五：選取零波動數(shù)據(jù)中最長連續(xù)自然數(shù)的區(qū)間，再根據(jù)精度要求，設定誤差范圍，保留有效零波動數(shù)據(jù)；

步驟六：利用統(tǒng)計方法選取最優(yōu)解，計算出最大Lyapunov指數(shù)；

在步驟二中，所述的利用小數(shù)據(jù)量算法，對采樣到的時間序列數(shù)據(jù)進行處理，得到發(fā)散收縮程度指數(shù)集合，具體包括以下五個步驟：

1)利用快速傅立葉變換以及虛假鄰近點法，對時間序列{x(i),i＝1,2,…,n}進行處理，計算出平均周期p，延遲時間τ和嵌入維數(shù)m；

2)采用時間差法重構相空間，按間隔為τ從時間序列中取數(shù)作為矢量的分量，因而構造出一批矢量，即X(t)＝[x(t)x(t+τ)x(t+2τ)…x(t+(m-1)τ)]，其中，t＝1,2,…,M，M為重構相空間矢量的個數(shù)，M＝n-(m-1)τ；

3)找相空間中每個點X(t)的最近鄰點即滿足最小距離其中，且

4)對相空間中每個點X(t)，計算出該鄰點對的j個離散時間步后的距離

5)對每個j求出所有t的lnd_t(j)平均y(j)，得到發(fā)散收縮程度指數(shù)集合{y(j)}_j∈J；

在步驟三中，所述的利用模糊C均值聚類算法，將發(fā)散收縮程度指數(shù)集合分為飽和以及不飽和兩類數(shù)據(jù)，并保留不飽和類數(shù)據(jù)，具體包括以下三個步驟：

1)初始化隸屬矩陣U＝(u_i,j)_2×n′，其中，u_i,j∈[0,1]為隨機數(shù)，n′為{y(j)}_j∈J的元素個數(shù)，滿足式中的約束條件

2)用公式(1)計算類別中心c_i，其中，i＝1,2；

3)根據(jù)公式(2)計算目標函數(shù)，其中，D_i,j＝||c_i-y(j)||為第i個類別中心與第j個數(shù)據(jù)點間的歐幾里德距離，q∈[1,+∞)是一個加權指數(shù)，G為聚類中心數(shù)目，T＝n′；如果目標函數(shù)小于某個人為設定的閥值，或它相對上次目標函數(shù)值的改變量小于某個人為設定的閥值，算法停止，保留方差較大的不飽和類的數(shù)據(jù){y(j)}_j∈K，否則，用公式(3)重新計算新的U矩陣，返回步驟2)，直到算法停止；

在步驟四中，所述的將不飽和類數(shù)據(jù)進行二階差分，對所得數(shù)據(jù)利用模糊C均值聚類算法分為正波動、負波動以及零波動三類數(shù)據(jù)，具體包括以下四個步驟：

1)對不飽和類的數(shù)據(jù){y(j)}_j∈K進行二階差分，得到一個新的集合{y″(j)}_j∈K；

2)初始化隸屬矩陣U＝(u_i,j)_3×n″，其中，u_i,j∈[0,1]為隨機數(shù)，n″為{y″(j)}_j∈K的元素個數(shù)，滿足式中的約束條件

3)用公式(4)計算類別中心c_i，其中，i＝1,2,3；

4)根據(jù)公式(2)計算目標函數(shù)，其中，D_i,j＝||c_i-y″(j)||為第i個類別中心與第j個數(shù)據(jù)點間的歐幾里德距離，q∈[1,+∞)是一個加權指數(shù)，G為聚類中心數(shù)目，T＝n″；如果目標函數(shù)小于某個人為設定的閥值，或它相對上次目標函數(shù)值的改變量小于某個人為設定的閥值，算法停止，保留聚類中心接近于零點的零波動類的數(shù)據(jù){y″(j)}_j∈L，否則，用公式(3) 重新計算新的U矩陣，返回步驟3)，直到算法停止；

在步驟五中，所述的選取零波動數(shù)據(jù)中最長連續(xù)自然數(shù)的區(qū)間，再根據(jù)精度要求，設定誤差范圍，保留有效零波動數(shù)據(jù)，具體為選取零波動數(shù)據(jù)中最長連續(xù)自然數(shù)區(qū)間對應的數(shù)據(jù)，并根據(jù)實際工程需要，設定誤差范圍，剔除數(shù)據(jù)中超過誤差范圍數(shù)據(jù)，再從有效數(shù)據(jù)中選取最長連續(xù)自然數(shù)的區(qū)間，保留該區(qū)間對應的數(shù)據(jù){y″(j)}_j∈F，

在步驟六中，所述的利用統(tǒng)計方法選取最優(yōu)解，計算出最大Lyapunov指數(shù)，具體為首先對得到數(shù)據(jù)對應的點集{(j,y(j))}_j∈F進行線性回歸分析，如果通過統(tǒng)計檢驗，則F對應的點集{(j,y(j))}_j∈F為所求的線性區(qū)域，否則，轉到步驟四；最后，利用最小二乘法對線性區(qū)域{(j,y(j))}_j∈F進行擬合，求得的斜率即為最大Lyapunov指數(shù)。