[發明專利]一種基于MVO改進的DBSCAN礦井突水光譜識別方法

有效

• 申請號: 201811248403.2
• 申請日: 2018-10-25
• 公開（公告）號: CN109543846B
• 公開（公告）日: 2023-02-21
• 發明（設計）人: 來文豪;周孟然;趙舜;李大同
• 申請（專利權）人: 安徽理工大學
• 主分類號: G06N99/00
• 分類號: G06N99/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于MVO改進的DBSCAN礦井突水光譜識別方法，其特征在于，包括以下步驟：

步驟1：設置多元宇宙優化算法的宇宙數U＝10、最大迭代數Max_iteration＝300，設置無監督學習算法DBSCAN的參數MinPts＝3；

步驟2：預處理水樣光譜數據，根據不同樣本光譜數據間的距離，自動設置變量距離[xL,xU]，初始化多元優化算法的宇宙位置，初始化無監督聚類算法參數核心對象集合ψ，聚類簇數Q＝0，簇劃分C，未聚類樣本集合Φ；

步驟3：根據宇宙膨脹率排列宇宙并通過輪盤賭機制選擇一個白洞，其選擇規則如公式1所示；

為第i個宇宙的第j個參數；U_i為第i個宇宙；N_i(U_i)為第i個宇宙歸一化膨脹率；r₁為在[0，1]之間的隨機數；為輪盤賭機制選出的第k個宇宙的第j個參數；

步驟4：根據式(2)和式(3)更新蟲洞存在概率WEP和旅行距離率TDR，并進行邊界檢查：

公式2中，α為WEP的最小取值，設為0.25，β為其最大取值，設為1，m為當前迭代次數，M為最大迭代次數，R設置為5；

步驟5：計算當前宇宙膨脹率，若宇宙膨脹率優于當前宇宙膨脹率，則更新當前宇宙保存膨脹率，否則，保持當前宇宙；

式中，P為待聚類突水水樣的熒光光譜數據集，MinPts為DBSCAN算法的核心對象數；為第m次迭代的第i個宇宙空間，為其對應的膨脹率，M_inflation為第m次迭代中最優膨脹率，Best_inflation_m為前m次迭代中，全局最優膨脹率；DBSCAN為無監督聚類算法，實現方式如下：

步驟5.1：將MVO的宇宙位置賦值給DBSCAN的鄰域距離Eps，即

步驟5.2：找出DBSCAN算法的所有核心對象，令i＝1,2,3,L,Q；計算各樣本空間距離，找出p_i對應的N_Eps(p_i)，若|N_Eps(x_i)|≥MinPts，將樣本p_i加入到核心對象集合，ψ＝ψU{p_i}；

步驟5.3：判斷核心對象集合是否為空，若為空，轉到步驟6；

步驟5.4：在核心對象集合中隨機選擇一核心更新當前簇核心隊列更新類別號q＝q+1，更新當前簇樣本集合C_q，更新未訪問樣本集

步驟5.5：當前簇核心對象隊列ψ′的一個核心對象p_i，找出其N_Eps(p_i)的子集，更新當前簇樣本集合C_q＝C_qU(N_Eps(p_i)IΦ)，更新Φ＝Φ-N_Eps(p_i)IΦ，更新ψ′＝ψ′-N_Eps(p_i)IΦ；

步驟5.6：若當前核心對象隊列ψ′為空，當前簇C_q的樣本尋找完成，更新簇集C＝{C₁,C₂,C₃,L,C_q}更新核心對象集ψ＝ψ-C_q，跳入步驟5.3；

步驟5.7：輸出聚類結果：C＝{C₁,C₂,C₃,L,C_Q}，計算聚類準確率，結果既是多元優化算法的膨脹率；

步驟6：更新宇宙位置，并根據式(6)最優宇宙中尋找最優個體，其中r₂、r₃、r₄為隨機數，取值在0到1內；

步驟7：終止條件判定，若滿足條件(足夠好的宇宙或者達到最大迭代次數)，則輸出尋優獲得的Eps的取值，否則迭代次數加1，返回執行步驟3。