【摘要】: 隨著航運業的發展，船舶的數量和規模不斷擴大. 作為導航安全的重要保證，船舶故障診斷技術受到越來越多的關注. 由于船舶設備種類繁多，參數復雜，在船舶管理系統中收集的數據量巨大，維數高，對故障診斷模塊的數據處理性能提出了挑戰. 如何有效處理海量高維數據成為故障診斷過程研究的重點. 本文以海事局船舶管理系統為背景，重點研究高維數據聚類技術，設計并實現了故障診斷模塊. 主要研究內容如下. 在對高維數據聚類算法和傳統聚類算法進行深入分析的基礎上，設計了一種基于高維數據聚類算法的故障診斷框架，并詳細闡述了該框架中各個組件的功能. 針對故障診斷中出現的高維數據及其噪聲信息高維聚類分析，本文重點研究了基于正交非負矩陣分解的聚類算法和基于相似矩陣完成度的集成聚類算法. 為了減少高維數據的維數，提出了一種基于正交非負矩陣分解的K均值聚類算法. 該算法對原始數據執行非負矩陣分解高維聚類分析，并添加正交約束以確保低維特征. 非負性增加了數據原型矩陣的正交性，降低了數據的維數，最后執行K均值聚類以驗證算法的有效性. 為了解決高維數據中的大量噪聲問題，提出了一種基于相似矩陣完成的改進聚類集成算法. 該算法采用正交非負矩陣算法生成基本簇，在此基礎上，利用高維數據相似性度量函數Hsim構造每個基本簇的相似度矩陣，然后使用增強拉格朗日乘數法進行配對. 相似矩陣中缺少的元素完成，最后使用性能優越的光譜聚類獲得最終的數據劃分. 本文的研究成果已初步應用于海洋管理船舶管理系統的故障診斷模塊. 基于高維數據聚類算法，實現了系統的故障診斷模塊，并取得了良好的應用效果.

本文來自本站，轉載請注明本文網址：
http://www.pc-fly.com/a/jisuanjixue/article-247577-1.html