计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
6期
233-238
,共6页
故障诊断%特征选择%聚类分析%聚类集成
故障診斷%特徵選擇%聚類分析%聚類集成
고장진단%특정선택%취류분석%취류집성
Fault diagnosis%Feature selection%Cluster analysis%Clustering ensemble
聚类集成是对若干独立基聚类器的结果进行组合,从而得到一个对原始数据最优的聚类结果.聚类集成能够减小噪声和孤立点对结果的影响,同时增强聚类结果的鲁棒性和稳定性.从3方面阐述了基于聚类集成的高铁故障诊断分析:1)将原始高铁仿真数据通过傅里叶变化把信号从时域转换到频域,再用不同的特征选择算法进行数据预处理分析;2)分别采用Affinity Propagation(AP)、模糊C均值(FCM)、高斯混合模型(EmGauussian)、Kmeans 4种不同的聚类算法对预处理后的数据进行分析比较;3)引入HGPA、MCLA、CSPA 3种不同聚类集成模型,将得到的基聚类结果分别进行集成.首次把聚类集成算法运用于高铁故障分析中,对比实验结果表明,该方法相比于单个的聚类算法能够更准确有效地进行高铁故障诊断.
聚類集成是對若榦獨立基聚類器的結果進行組閤,從而得到一箇對原始數據最優的聚類結果.聚類集成能夠減小譟聲和孤立點對結果的影響,同時增彊聚類結果的魯棒性和穩定性.從3方麵闡述瞭基于聚類集成的高鐵故障診斷分析:1)將原始高鐵倣真數據通過傅裏葉變化把信號從時域轉換到頻域,再用不同的特徵選擇算法進行數據預處理分析;2)分彆採用Affinity Propagation(AP)、模糊C均值(FCM)、高斯混閤模型(EmGauussian)、Kmeans 4種不同的聚類算法對預處理後的數據進行分析比較;3)引入HGPA、MCLA、CSPA 3種不同聚類集成模型,將得到的基聚類結果分彆進行集成.首次把聚類集成算法運用于高鐵故障分析中,對比實驗結果錶明,該方法相比于單箇的聚類算法能夠更準確有效地進行高鐵故障診斷.
취류집성시대약간독립기취류기적결과진행조합,종이득도일개대원시수거최우적취류결과.취류집성능구감소조성화고립점대결과적영향,동시증강취류결과적로봉성화은정성.종3방면천술료기우취류집성적고철고장진단분석:1)장원시고철방진수거통과부리협변화파신호종시역전환도빈역,재용불동적특정선택산법진행수거예처리분석;2)분별채용Affinity Propagation(AP)、모호C균치(FCM)、고사혼합모형(EmGauussian)、Kmeans 4충불동적취류산법대예처리후적수거진행분석비교;3)인입HGPA、MCLA、CSPA 3충불동취류집성모형,장득도적기취류결과분별진행집성.수차파취류집성산법운용우고철고장분석중,대비실험결과표명,해방법상비우단개적취류산법능구경준학유효지진행고철고장진단.
