高維數(shù)據(jù)聚類算法及應(yīng)用研究.pdf

1、隨著航運(yùn)業(yè)的發(fā)展，船舶的數(shù)量和規(guī)模不斷擴(kuò)大，作為航行安全的重要保障，船舶故障診斷技術(shù)得到越來(lái)越多的重視。由于船舶設(shè)備種類繁多且參數(shù)復(fù)雜，導(dǎo)致船舶管理系統(tǒng)中采集的數(shù)據(jù)量龐大且維數(shù)較高，對(duì)故障診斷模塊的數(shù)據(jù)處理性能提出了挑戰(zhàn)，如何有效地處理海量高維數(shù)據(jù)成為故障診斷過(guò)程中的研究重點(diǎn)。本文以某海事局船舶管理系統(tǒng)為背景，重點(diǎn)研究了高維數(shù)據(jù)聚類技術(shù)，設(shè)計(jì)并實(shí)現(xiàn)了故障診斷模塊，主要研究?jī)?nèi)容如下。
　　本文在深入分析了高維數(shù)據(jù)聚類算法和傳統(tǒng)聚類算

2、法的基礎(chǔ)上，設(shè)計(jì)了一個(gè)基于高維數(shù)據(jù)聚類算法的故障診斷框架，并詳細(xì)闡述了該框架中各個(gè)組成部分的功能。針對(duì)故障診斷中出現(xiàn)的高維數(shù)據(jù)及其噪聲信息，本文重點(diǎn)研究了基于正交非負(fù)矩陣分解的聚類算法和基于相似矩陣補(bǔ)全的集成聚類算法。為了降低高維數(shù)據(jù)的維數(shù)，提出了一種基于正交非負(fù)矩陣分解的K-means聚類算法，該算法對(duì)原始數(shù)據(jù)進(jìn)行非負(fù)矩陣分解，并加入正交約束，保證低維特征的非負(fù)性，增加數(shù)據(jù)原型矩陣的正交性，降低了數(shù)據(jù)的維數(shù)特征，最后進(jìn)行K-means

3、聚類并驗(yàn)證該算法的有效性。為了解決高維數(shù)據(jù)中存在大量噪聲的問(wèn)題，提出了一種基于相似矩陣補(bǔ)全的聚類集成改進(jìn)算法。該算法利用正交非負(fù)矩陣算法生成基聚類，在此基礎(chǔ)上采用高維數(shù)據(jù)相似性度量函數(shù)Hsim構(gòu)造每個(gè)基聚類的相似性矩陣，然后采用增廣拉格朗日乘子法對(duì)相似性矩陣中缺失的元素進(jìn)行補(bǔ)全，最后采用性能優(yōu)越的譜聚類得到最終的數(shù)據(jù)劃分。本文的研究成果初步應(yīng)用于某海事局船舶管理系統(tǒng)中的故障診斷模塊，以高維數(shù)據(jù)聚類算法為基礎(chǔ)，實(shí)現(xiàn)了系統(tǒng)的故障診斷模塊，取