[發(fā)明專利]一種基于迭代K-means算法的微結(jié)構(gòu)臺階高精度表征方法

在審

• 申請?zhí)枺?/td>: 202110994406.6
• 申請日: 2021-08-27
• 公開（公告）號: CN113808189A
• 公開（公告）日: 2021-12-17
• 發(fā)明（設(shè)計）人: 王陳;孟憲昱;常林;于瀛潔;周文靜
• 申請（專利權(quán)）人: 上海大學(xué)
• 主分類號: G06T7/60
• 分類號: G06T7/60;G06K9/62
• 代理公司: 上海上大專利事務(wù)所(普通合伙) 31205
• 代理人: 何文欣

1.一種基于迭代K-means算法的微結(jié)構(gòu)臺階高精度表征方法，將通過白光干涉三維測量儀獲得的面型數(shù)據(jù)進行維度重構(gòu)，將復(fù)雜的多維面型數(shù)據(jù)降維至二維空間后，利用基于迭代K-means聚類算法和數(shù)據(jù)映射的方法，識別并去除離群值的同時將二維數(shù)據(jù)點集中的質(zhì)心距離映射為所求的臺階高度值，其特征在于，包括以下步驟：

(1)通過三維表面形貌測量儀器獲得表面原始數(shù)據(jù)；

(2)對原始數(shù)據(jù)進行維度重構(gòu)，獲得維數(shù)一半數(shù)量的二維數(shù)據(jù)點集，若維數(shù)為奇數(shù)則減一；

(2-1)輸入在所述步驟(1)中所獲得的表面原始數(shù)據(jù)；

(2-2)將原始數(shù)據(jù)矩陣中的各奇數(shù)行提出組成奇數(shù)行矩陣A，將原始數(shù)據(jù)矩陣中的各偶數(shù)行提出組成偶數(shù)行行矩陣B；

(2-3)將兩個分矩陣A、B的同行數(shù)據(jù)重組成二維數(shù)據(jù)集，并以其作為坐標(biāo)點，繪制在坐標(biāo)系中；

(2-4)保存各二維數(shù)據(jù)點集，即完成數(shù)據(jù)維度重構(gòu)，得到各個二維數(shù)據(jù)集；

(3)基于迭代K-means算法的質(zhì)心距離計算，并進行數(shù)據(jù)映射；

(3-1)將原始數(shù)據(jù)維度重構(gòu)后獲得的各個二維數(shù)據(jù)集依次輸入；

(3-2)將K-means算法中的聚類中心設(shè)置為2，利用K-means算法進行一次聚類，獲得兩個團簇及中心點坐標(biāo)；

(3-3)計算每個數(shù)據(jù)點到所屬團簇的聚類中心的距離值，并計算距離的平方值和方差；

(3-4)利用萊茵達法則選擇離群值，并利用一次聚類中心迭代替換離群值；

(3-5)將聚類中心迭代替換后的數(shù)據(jù)值再次利用K-means聚類運算；

(3-6)計算兩聚類中心距離，并利用數(shù)據(jù)映射完成一組重組數(shù)據(jù)的臺階高度表征；

(3-7)依次處理各重構(gòu)二維重組數(shù)據(jù)，直到每個二維點集合都處理完成，并將表征結(jié)果存儲；

(3-8)將所得數(shù)據(jù)取平均值，作為一次臺階高度表征結(jié)果；

(4)迭代收斂設(shè)計：基于所需精度設(shè)置閾值，直到兩次表征結(jié)果小于所設(shè)置閾值；

(5)臺階高度參數(shù)表征完成。

2.根據(jù)權(quán)利要求1所述基于K-means算法的微結(jié)構(gòu)臺階高精度表征方法，其特征在于：利用所述迭代K-means算法，去除三維測量儀器獲得的三維數(shù)據(jù)中的離群值，即明顯遠(yuǎn)離正常值的點與未測點，未能獲得臺階高度數(shù)據(jù)的點的同時完成微結(jié)構(gòu)臺階高度的表征。

3.根據(jù)權(quán)利要求1所述基于K-means算法的微結(jié)構(gòu)臺階高精度表征方法，其特征在于：應(yīng)用數(shù)據(jù)維度重構(gòu)的方法，將通過白光干涉三維測量儀器測得的臺階高度測量數(shù)據(jù)進行降維，將復(fù)雜的多維面型數(shù)據(jù)降維至二維空間，重構(gòu)為二維數(shù)據(jù)點集。

4.根據(jù)權(quán)利要求1所述基于K-means算法的微結(jié)構(gòu)臺階高精度表征方法，其特征在于：將聚類分析算法應(yīng)用到臺階高度計量，利用基于K-means算法的質(zhì)心距離計算及數(shù)據(jù)映射，進行臺階高度表征的同時，對表面實測數(shù)據(jù)中的離群值與未測點進行識別與處理。

5.根據(jù)權(quán)利要求3所述基于K-means算法的微結(jié)構(gòu)臺階高精度表征方法，其特征在于：所述多維面型數(shù)據(jù)指將被測件面型的微結(jié)構(gòu)測量面型數(shù)據(jù)的數(shù)據(jù)集中，每一行作為一個維度來看，將其分為奇數(shù)行和偶數(shù)行數(shù)據(jù)進行重新組合重構(gòu)為二維數(shù)據(jù)集，二維數(shù)據(jù)集的個數(shù)由實測數(shù)據(jù)的維度決定。

6.根據(jù)權(quán)利要求3所述基于K-means算法的微結(jié)構(gòu)臺階高精度表征方法，其特征在于：所述維度重構(gòu)指將原始數(shù)據(jù)通過分為奇數(shù)行矩陣和偶數(shù)行矩陣兩個分矩陣，并將兩分矩陣中同一行數(shù)據(jù)重新組成二維數(shù)據(jù)集的過程。

7.根據(jù)權(quán)利要求4所述基于K-means算法的微結(jié)構(gòu)臺階高精度表征方法，其特征在于：所述數(shù)據(jù)映射指將重組后的二維數(shù)據(jù)集進行聚類運算后，將兩質(zhì)心距離通過算法映射為三維空間中的臺階高度值的過程。

8.根據(jù)權(quán)利要求1所述基于K-means算法的微結(jié)構(gòu)臺階高精度表征方法，其特征在于：在所述步驟(4)中，根據(jù)測量精度進行迭代收斂設(shè)計，并完成最終的臺階高度參數(shù)表征。