[發(fā)明專利]一種密度峰值聚類的工業(yè)過程數(shù)據(jù)聚類方法

有效

• 申請?zhí)枺?/td>: 201810217551.1
• 申請日: 2018-03-15
• 公開（公告）號: CN108537249B
• 公開（公告）日: 2020-05-19
• 發(fā)明（設(shè)計(jì)）人: 鄭英;陳斌;汪上曉;張洪
• 申請（專利權(quán)）人: 華中科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 李智;曹葆青

本發(fā)明公開了一種密度峰值聚類的工業(yè)過程數(shù)據(jù)聚類方法，包括：獲取工業(yè)過程數(shù)據(jù)組成數(shù)據(jù)集；將數(shù)據(jù)集中數(shù)據(jù)之間的歐氏距離與時(shí)間因數(shù)相結(jié)合，得到數(shù)據(jù)之間的距離；根據(jù)數(shù)據(jù)之間的距離和調(diào)節(jié)參數(shù)得到截?cái)嗑嚯x，進(jìn)而得到每個(gè)數(shù)據(jù)的局部密度，計(jì)算每個(gè)數(shù)據(jù)與比它的局部密度大的數(shù)據(jù)之間的最小距離；對數(shù)據(jù)集中每個(gè)數(shù)據(jù)的局部密度與最小距離的乘積排序，取乘積較大的前H個(gè)數(shù)據(jù)為聚類中心，比聚類中心的局部密度大的數(shù)據(jù)中距離聚類中心最近的數(shù)據(jù)與聚類中心屬于同一類；對于數(shù)據(jù)集中沒有類屬性的數(shù)據(jù)按照局部密度從大到小的順序判斷其類屬性，進(jìn)而得到工業(yè)過程數(shù)據(jù)的聚類結(jié)果。本發(fā)明的聚類中心更合理、自動(dòng)確定聚類中心個(gè)數(shù)并且時(shí)間復(fù)雜度較小。

技術(shù)領(lǐng)域

本發(fā)明屬于工業(yè)過程的正常數(shù)據(jù)與故障數(shù)據(jù)、不同模態(tài)分類技術(shù)領(lǐng)域，更具體地，涉及一種密度峰值聚類的工業(yè)過程數(shù)據(jù)聚類方法。

背景技術(shù)

對于一個(gè)大型工業(yè)系統(tǒng)，由于生產(chǎn)策略和生產(chǎn)環(huán)境的改變，工業(yè)過程往往呈現(xiàn)出多模態(tài)、多故障的特點(diǎn)。對于不同的模態(tài)我們需要分別建立不同的子模型，這樣才能得整個(gè)模型有更好的性能去進(jìn)行監(jiān)控工業(yè)過程和預(yù)測質(zhì)量指標(biāo)等。因此在建模之前對多模態(tài)工業(yè)過程進(jìn)行模態(tài)辨識和故障分類具有重要的意義。

目前使用最廣泛的模態(tài)辨識和故障分類方法是基于數(shù)據(jù)驅(qū)動(dòng)的方法。其主要方法有兩種，一種是使用基于純數(shù)學(xué)的各種聚類算法，一種是基于PCA(Principal ComponentAnalysis)或PLS(Partial Least Square)模型之間的相似度進(jìn)行模態(tài)辨識或者故障數(shù)據(jù)分類。

傳統(tǒng)的聚類算法主要分為基于劃分的聚類算法、基于密度的聚類算法、基于網(wǎng)格的聚類算法和層次聚類算法等。其中基于劃分的聚類算法以k-means聚類算法以及k-means的衍生算法為代表。基于k-means的聚類方法是一種有監(jiān)督的聚類算法，需要預(yù)設(shè)聚類數(shù)目并初始化聚類中心，而初始化的聚類中心是根據(jù)數(shù)據(jù)的均值計(jì)算的，所以k-means聚類對異常數(shù)據(jù)比較敏感，聚類結(jié)果往往不夠精確。而其中的基于密度的聚類算法典型的是以DBSCAN算法為代表，DBSCAN算法是通過引入核心對象、密度可達(dá)、密度相連等基本概念，尋找數(shù)據(jù)點(diǎn)密度相連的最大集合來完成聚類過程，它是一種基于高密度聯(lián)通區(qū)域的聚類算法，它將類簇定義為高密度相連點(diǎn)的最大集合。它的缺點(diǎn)是：1、當(dāng)空間聚類的密度不均勻、聚類間距差相差很大時(shí)，聚類質(zhì)量較差(有些簇內(nèi)距離較小，有些簇內(nèi)距離很大，但是Eps(最小半徑)是確定的，所以，大的點(diǎn)可能被誤判斷為離群點(diǎn)或者邊界點(diǎn)，如果Eps太大，那么小距離的簇內(nèi)，可能會包含一些離群點(diǎn)或者邊界點(diǎn))。2、有兩個(gè)初始參數(shù)E(鄰域半徑)和minPts(E鄰域最小點(diǎn)數(shù))需要用戶手動(dòng)設(shè)置輸入，并且聚類的類簇結(jié)果對這兩個(gè)參數(shù)的取值非常敏感，不同的取值將產(chǎn)生不同的聚類結(jié)果。

基于PCA或PLS模型之間的相似度進(jìn)行模態(tài)辨識的方法，需要先對每一個(gè)樣本建立模型，計(jì)算模型之間的相似度，再采用聚類算法聚類，然后將每一個(gè)簇的樣本組合起來再建模，步驟繁雜，且依然需要聚類算法的介入。

在上述的方法都存在著一定的缺陷，需要人為設(shè)定參數(shù)，而且聚類的結(jié)果比較依賴參數(shù)的設(shè)定好壞，計(jì)算繁雜，聚類結(jié)果不夠精確。在實(shí)際的工業(yè)過程中，我們往往不能預(yù)先知道工業(yè)過程有幾種不同類的數(shù)據(jù)，更不能知道最佳的聚類中心是哪個(gè)樣本點(diǎn)，但是聚類中心選取的好壞對于聚類精度影響很大；并且當(dāng)一個(gè)新的樣本出現(xiàn)時(shí)，我們需要以較短的時(shí)間來判斷它所屬的運(yùn)行狀態(tài)。所以我們急需設(shè)計(jì)一個(gè)能找到更合理的聚類中心、自動(dòng)確定聚類中心個(gè)數(shù)并且時(shí)間復(fù)雜度較小的聚類算法。

發(fā)明內(nèi)容

針對現(xiàn)有技術(shù)的以上缺陷或改進(jìn)需求，本發(fā)明提供了一種密度峰值聚類的工業(yè)過程數(shù)據(jù)聚類方法，由此解決現(xiàn)有技術(shù)存在聚類結(jié)果準(zhǔn)確率低、無法確定最佳聚類中心、無法自動(dòng)確定聚類中心個(gè)數(shù)、時(shí)間復(fù)雜度大的技術(shù)問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種密度峰值聚類的工業(yè)過程數(shù)據(jù)聚類方法，包括：

(1)獲取工業(yè)過程數(shù)據(jù)，包括正常數(shù)據(jù)、故障數(shù)據(jù)和不同模態(tài)的數(shù)據(jù)，組成數(shù)據(jù)集；將數(shù)據(jù)集中數(shù)據(jù)之間的歐氏距離與時(shí)間因數(shù)相結(jié)合，得到數(shù)據(jù)之間的距離；