一种基于自适应模糊谱聚类算法的流体管道流量检测方法与流程

本发明属于流体管道流量检测领域，具体涉及一种基于自适应模糊谱聚类算法的流体管道流量检测方法。

背景技术：

1、目前，聚类分析已被广泛应用于模式识别、人工智能和图像处理等领域，旨在挖掘数据中更多有价值的潜在信息。聚类的目标是将相似性较大的数据分组到相同的集群中，将相似性较小的数据归类到不同的集群，从而发现数据中有价值且意义的结构。在过去的几十年里，已经有许多聚类模型已经被相继提出，包括k-means聚类、模糊c均值聚类(fcm)、密度聚类、谱聚类(sc)、自适应邻域聚类(can)以及许多子空间聚类模型。其中，k-means聚类是在机器学习中应用最广泛的模型之一。该模型根据距离度量准则将样本分配给最近的集群，然后更新每个集群的聚类中心来重新分配样本。虽然k-means运行效率高且易实现，但是它仅适用于呈凸分布的数据集。相比之下，谱聚类基于图论，将聚类问题转化为图的最优划分问题，能很好的应用在流形体等非凸结构数据集。

2、相似矩阵是谱聚类算法的核心，相似矩阵的构造质量好坏会在一定程度上影响最终的聚类效益。考虑到在传统谱聚类相似矩阵的构造质量低下，有相关研究针对基于这一问题提出了大量的改进谱聚类算法。luo等将谱聚类建模为一个有约束的多目标优化问题，利用稀疏表示方法构建了相似矩阵，最后通过图像分割的真实数据集验证了该方法的有效性。cao等提出了一种高效的近似谱聚类方法，采用构造稀疏相似图的方式提高了小代表性数据集上谱聚类的性能，并利用局部插值提高聚类结果的可拓性。tao等提出了一种能较好地对抗噪声信息的谱聚类算法，通过将密度敏感项引入到相似性度量中，能够有效地规避噪声点的影响，得到鲁棒性更强的相似矩阵。然而上述研究忽略了谱聚类本质为硬聚类的限制以及数据集整体分布对相似矩阵构造的影响，这会导致当谱聚类应用在样本结构复杂或规模较大的数据集上时，无法表现出良好的聚类性能。

技术实现思路

1、为解决以上现有技术存在的问题，本发明提出了一种基于自适应模糊谱聚类算法的流体管道流量检测方法，该方法包括：

2、s1：获取流体管道数据；

3、s2：根据流体管道数据采用公理化模糊集和局部标准差理论构建新的样本间相似性度量；

4、s3：根据流体管道数据相似性度量构建相似性矩阵；

5、s4：计算相似性矩阵的拉普拉斯矩阵；从拉普拉斯矩阵中选取前k个特征值和特征向量；

6、s5：根据特征值和特征向量构建特征矩阵；

7、s6：采用k-means算法对特征矩阵进行聚类，得到聚类结果；

8、s7：根据聚类结果对流体管道流量进行检测。

9、本发明的有益效果：

10、本发明采用公理化模糊集和局部标准差理论对谱聚类的相似性度量进行改进，使得最终输出的相似性结果准确度更高；本发明将原始数据转换到afs空间进行相似度矩阵的构建，即通过模糊隶属函数来获取数据结构，将样本间的距离通过隶属度来表示，建立数据间的成对相似性，放松传统距离度量高斯核函数中的欧几里得距离，避免谱聚类本质为硬聚类的限制；本发明考虑到传统谱聚类高斯核中全局尺度参数σ需要人工设定，以及对局部信息的忽略，在自校正谱聚类的基础上，提出一种基于局部标准差的标度参数，考虑样本点与p近邻点的局部标准差，而不是仅仅利用样本点与近邻点的距离，改进高斯核函数中的尺度参数，避免异常值对标度参数的影响，使算法更能反映原始数据的局部分布特性。

技术特征：

1.一种基于自适应模糊谱聚类算法的流体管道流量检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于自适应模糊谱聚类算法的流体管道流量检测方法，其特征在于，采用公理化模糊集和局部标准差理论建样本间相似性度量的过程包括：

3.根据权利要求2所述的一种基于自适应模糊谱聚类算法的流体管道流量检测方法，其特征在于，根据改进后的相似性度量结果构造相似矩阵包括：

4.根据权利要求3所述的一种基于自适应模糊谱聚类算法的流体管道流量检测方法，其特征在于，构建相似度矩阵包括：获取的样本集x和样本集的模糊概念集m；根据样本集和模糊概念集构建模糊集em*，对糊集em*进行分解，得到子集ξ；定义序列关系，根据序列关系构建隶属度函数；采用隶属度函数计算子集ξ中两个样本的隶属度值；根据隶属度值计算样本之间的相似度；构建相似性度矩阵。

5.根据权利要求4所述的一种基于自适应模糊谱聚类算法的流体管道流量检测方法，其特征在于，模糊集的表达式为：

6.根据权利要求4所述的一种基于自适应模糊谱聚类算法的流体管道流量检测方法，其特征在于，隶属度函数的表达式为：

7.根据权利要求4所述的一种基于自适应模糊谱聚类算法的流体管道流量检测方法，其特征在于，构建样本间相似性度量的公式为：

8.根据权利要求1所述的一种基于自适应模糊谱聚类算法的流体管道流量检测方法，其特征在于，计算相似性矩阵包括：

9.根据权利要求1所述的一种基于自适应模糊谱聚类算法的流体管道流量检测方法，其特征在于，计算相似性矩阵的拉普拉斯矩阵包括：

10.根据权利要求1所述的一种基于自适应模糊谱聚类算法的流体管道流量检测方法，其特征在于，采用k-means算法对特征矩阵进行聚类包括：

技术总结
本发明属于流体管道流量检测领域，具体涉及一种基于自适应模糊谱聚类算法的流体管道流量检测方法，包括：获取流体管道数据；根据流体管道数据采用公理化模糊集和局部标准差理论构建新的样本间相似性度量；根据流体管道数据相似性度量构建相似性矩阵；计算相似性矩阵的拉普拉斯矩阵；从拉普拉斯矩阵中选取前k个特征值和特征向量；根据特征值和特征向量构建特征矩阵；采用K‑means算法对特征矩阵进行聚类，得到聚类结果；根据聚类结果对流体管道流量进行检测；本发明采用公理化模糊集和局部标准差理论对谱聚类的相似性度量进行改进，使得最终输出的相似性结果准确度更高。

技术研发人员：杨刚,杨泽远,匡海军,何晓鹏,李帅永,熊心和,宋兵,汪洋,杨一博
受保护的技术使用者：万基泰科工集团数字城市科技有限公司
技术研发日：
技术公布日：2024/2/1