针对传统的层次聚类算法每次迭代只将距离最小的那对类簇合并,容易受离群点影响,偏向于发现凸状或球状簇等缺点,受CURE算法启发,采用簇中固定数量代表点来代表簇对象进行距离的计算,并结合90_10规则,提出了一种改进的层次聚类算法REPBFC...针对传统的层次聚类算法每次迭代只将距离最小的那对类簇合并,容易受离群点影响,偏向于发现凸状或球状簇等缺点,受CURE算法启发,采用簇中固定数量代表点来代表簇对象进行距离的计算,并结合90_10规则,提出了一种改进的层次聚类算法REPBFC(REpresentative Points Based Fast Clustering),实验表明该算法是有效的。展开更多
针对间歇过程故障检测中的断续以及数据不等长等问题,提出了一种模糊有序聚类算法(fuzzy order clustering algorithm,FOCA),实现了多阶段间歇过程的故障检测。FOCA在对过程数据进行子阶段划分时加入模糊策略,在初始化聚类时严格保证类...针对间歇过程故障检测中的断续以及数据不等长等问题,提出了一种模糊有序聚类算法(fuzzy order clustering algorithm,FOCA),实现了多阶段间歇过程的故障检测。FOCA在对过程数据进行子阶段划分时加入模糊策略,在初始化聚类时严格保证类内数据连续,且只针对单独的批次数据进行聚类,有效地解决断续、数据不等长等问题,优化了子阶段划分的结果。将FOCA应用于青霉素发酵过程的故障检测中,仿真结果表明该方法有效地降低了故障漏报率以及误报率。展开更多
文摘针对传统的层次聚类算法每次迭代只将距离最小的那对类簇合并,容易受离群点影响,偏向于发现凸状或球状簇等缺点,受CURE算法启发,采用簇中固定数量代表点来代表簇对象进行距离的计算,并结合90_10规则,提出了一种改进的层次聚类算法REPBFC(REpresentative Points Based Fast Clustering),实验表明该算法是有效的。
文摘针对间歇过程故障检测中的断续以及数据不等长等问题,提出了一种模糊有序聚类算法(fuzzy order clustering algorithm,FOCA),实现了多阶段间歇过程的故障检测。FOCA在对过程数据进行子阶段划分时加入模糊策略,在初始化聚类时严格保证类内数据连续,且只针对单独的批次数据进行聚类,有效地解决断续、数据不等长等问题,优化了子阶段划分的结果。将FOCA应用于青霉素发酵过程的故障检测中,仿真结果表明该方法有效地降低了故障漏报率以及误报率。
