高维数据聚类算法及其应用研究

【摘要】: 随着航运业的发展，船舶的数量和规模不断扩大. 作为导航安全的重要保证，船舶故障诊断技术受到越来越多的关注. 由于船舶设备种类繁多，参数复杂，在船舶管理系统中收集的数据量巨大，维数高，对故障诊断模块的数据处理性能提出了挑战. 如何有效处理海量高维数据成为故障诊断过程研究的重点. 本文以海事局船舶管理系统为背景，重点研究高维数据聚类技术，设计并实现了故障诊断模块. 主要研究内容如下. 在对高维数据聚类算法和传统聚类算法进行深入分析的基础上，设计了一种基于高维数据聚类算法的故障诊断框架，并详细阐述了该框架中各个组件的功能. 针对故障诊断中出现的高维数据及其噪声信息高维聚类分析，本文重点研究了基于正交非负矩阵分解的聚类算法和基于相似矩阵完成度的集成聚类算法. 为了减少高维数据的维数，提出了一种基于正交非负矩阵分解的K均值聚类算法. 该算法对原始数据执行非负矩阵分解高维聚类分析，并添加正交约束以确保低维特征. 非负性增加了数据原型矩阵的正交性，降低了数据的维数，最后执行K均值聚类以验证算法的有效性. 为了解决高维数据中的大量噪声问题，提出了一种基于相似矩阵完成的改进聚类集成算法. 该算法采用正交非负矩阵算法生成基本簇，在此基础上，利用高维数据相似性度量函数Hsim构造每个基本簇的相似度矩阵，然后使用增强拉格朗日乘数法进行配对. 相似矩阵中缺少的元素完成，最后使用性能优越的光谱聚类获得最终的数据划分. 本文的研究成果已初步应用于海洋管理船舶管理系统的故障诊断模块. 基于高维数据聚类算法，实现了系统的故障诊断模块，并取得了良好的应用效果.

本文来自本站，转载请注明本文网址：
http://www.pc-fly.com/a/jisuanjixue/article-247577-1.html