[發明專利]基于直覺模糊C均值的汽車數據聚類方法及系統

有效

• 申請號: 201910865982.3
• 申請日: 2019-09-12
• 公開（公告）號: CN110569915B
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 耿玉水;王菲;張煥穎
• 申請（專利權）人: 齊魯工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 黃海麗

本公開公開了基于直覺模糊C均值的汽車數據聚類方法及系統，輸入設定參數和汽車數據集特征值矩陣；利用改進的直覺模糊熵，對汽車數據集特征值矩陣進行加權計算，獲得加權后的特征值矩陣；定義密度參數，確定初始聚類中心；判斷迭代次數是否小于設定迭代閾值，如果是，則進入隸屬度矩陣計算步驟，否則進入輸出步驟；隸屬度矩陣計算步驟：計算隸屬度矩陣；利用隸屬度矩陣更新聚類中心；判斷上一時刻數據集對于聚類中心的歐氏距離平方和，與當前時刻數據集對于聚類中心的歐氏距離平方和的差值是否小于設定閾值；如果是，則進入輸出步驟，如果否，則返回隸屬度矩陣計算步驟；輸出步驟：輸出隸屬度矩陣和聚類中心，求得汽車數據聚類結果。

技術領域

本公開涉及汽車數據聚類技術領域，特別是涉及基于直覺模糊C均值的汽車數據聚類方法及系統。

背景技術

本部分的陳述僅僅是提到了與本公開相關的背景技術，并不必然構成現有技術。

在實現本公開的過程中，發明人發現現有技術中存在以下技術問題：

隨著智能設備的普及，互聯網和物聯網的繁榮,數據呈爆炸式的增長，汽車行業的發展越來越受人矚目。汽車在使用和運行過程中產生了大量的數據,例如電池和電機的狀態等。而如何利用汽車產生的大量數據進行知識挖掘、機器錯誤檢索等任務則成為行業內的難點之一。

發明內容

為了解決現有技術的不足，本公開提供了基于直覺模糊C均值的汽車數據聚類方法及系統；利用直覺模糊熵對模糊C均值算法FCM進行改進，引入密度參數選取初始聚類中心，是解決模糊C均值算法易陷入局部最優的問題的重要手段；

第一方面，本公開提供了基于直覺模糊C均值的汽車數據聚類方法；

基于直覺模糊C均值的汽車數據聚類方法，包括：

輸入設定參數和汽車數據集特征值矩陣；

利用改進的直覺模糊熵，對汽車數據集特征值矩陣進行加權計算，獲得加權后的特征值矩陣；

定義密度參數，確定初始聚類中心；

判斷迭代次數是否小于設定迭代閾值，如果是，則進入隸屬度矩陣計算步驟，否則進入輸出步驟；

隸屬度矩陣計算步驟：計算隸屬度矩陣；

利用隸屬度矩陣更新聚類中心；

判斷上一時刻數據集對于聚類中心的歐氏距離平方和，與當前時刻數據集對于聚類中心的歐氏距離平方和的差值是否小于設定閾值；如果是，則進入輸出步驟，如果否，則返回隸屬度矩陣計算步驟；

輸出步驟：輸出隸屬度矩陣和聚類中心，根據最大隸屬度原則求得汽車數據聚類結果。

第二方面，本公開還提供了基于直覺模糊C均值的汽車數據聚類系統；

基于直覺模糊C均值的汽車數據聚類系統，包括：

輸入模塊，其被配置為：輸入設定參數和汽車數據集特征值矩陣；

加權模塊，其被配置為：利用改進的直覺模糊熵，對汽車數據集特征值矩陣進行加權計算，獲得加權后的特征值矩陣；

初始聚類中心確定模塊，其被配置為：定義密度參數，確定初始聚類中心；

第一判斷模塊，其被配置為：判斷迭代次數是否小于設定迭代閾值，如果是，則進入隸屬度矩陣計算模塊，否則進入輸出模塊；

隸屬度矩陣計算模塊，其被配置為：計算隸屬度矩陣；

更新模塊，其被配置為：利用隸屬度矩陣更新聚類中心；