| 故障诊断中聚类融合算法改进 |
| |
| 引用本文： | 王继丽,徐巍华. 故障诊断中聚类融合算法改进[J]. 组合机床与自动化加工技术, 2008, 0(10) |
| |
| 作者姓名： | 王继丽 徐巍华 |
| |
| 作者单位： | 浙江大学,工业控制技术国家重点实验室,杭州,310027 |
| |
| 基金项目： | 国家高技术研究发展计划(863计划)，国家高技术研究发展计划(863计划)，国家自然科学基金 |
| |
| 摘 要： | 近年来,数据挖掘技术已广泛应用于故障诊断领域.聚类分析作为数据挖掘的一项重要手段,在智能诊断中具有重要研究价值.2002年,聚类融合算法已经提出就得到广泛关注,成为聚类分析研究的新热点.文章在聚类融合算法的基础上,重点研究了聚类成员差异引起不同融合效果的问题,分析了K-means算法中聚类个数同融合质量的关系,提出一种改进算法ICEA(An Improved Clustering Ensemble Algorithm),旨在进一步提高聚类融合算法的鲁棒性和精确度,提高故障诊断的准确性.ICEA中通过函数对各聚类成员加权,减少"恶劣"聚类成员对融合结果的影响;并以差异度为指标制定循环终止条件.实验证明,该算法在准确性及鲁棒性上均优于原算法.
|
| 关 键 词： | 聚类融合 故障诊断 共识函数 差异度 |
An Improved Clustering Ensemble Algorithm in Fault Diagnosis |
| |
| WANG Ji-li,XU Wei-hua. An Improved Clustering Ensemble Algorithm in Fault Diagnosis[J]. Modular Machine Tool & Automatic Manufacturing Technique, 2008, 0(10) |
| |
| Authors: | WANG Ji-li XU Wei-hua |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
