[发明专利]一种基于局部密度峰值聚类的模态辨识方法

权利要求书

1.一种基于局部密度峰值聚类的模态辨识方法，其特征在于，包括：

(1)采集多模态工业过程不同模态下的数据，构成待辨识的模态数据集；

(2)计算所述数据集中每个样本点之间的欧氏距离，并根据计算得到的欧式距离和设定的参数k确定每个样本点的k近邻集；

所述k近邻集，指的是与当前样本点欧氏距离小于所有样本点与当前样本点的欧氏距离从小到大排序后得到的距当前样本点第k近的样本点集合；

(3)计算每个样本点在k近邻集下的局部密度值，并确定每个样本点到高于自身局部密度值的样本点的最小欧式距离；

(4)根据所述每个样本点在k近邻集下的局部密度值和所述每个样本点到高于自身局部密度值的样本点的最小欧式距离，确定作为聚类中心的样本点；

(5)将剩余的每个样本点分配给高于自身局部密度值且欧式距离最近的样本点所属的聚类，得到包括稳定模态和过渡模态的初步聚类结果；

(6)对所述数据集进行窗口划分，并更新每个模态所包含的样本点，得到最终的模态辨识结果；步骤(6)具体包括：

(6.1)对数据集进行窗口划分，并计算每个样本点的局部密度-距离比；

其中，所述局部密度-距离比，为样本点在k近邻集下的局部密度值与样本点到高于自身局部密度值的样本点的最小欧式距离的比值；

(6.2)对每个过渡模态，定义与过渡模态左相邻的稳定模态为第一稳定模态，与过渡模态右相邻的稳定模态为第二稳定模态；

(6.3)判断所述第一稳定模态中是否有样本点的局部密度-距离比发生突变；若是，则将该样本点及其以后的所有样本点划分到过渡模态中；若否，则执行步骤(6.4)；

(6.4)选取第一稳定模态中包含设定数量样本点的窗口，计算该模态对应的控制限，并计算第一稳定模态内每个窗口包含的所有样本点的局部密度-距离比的均值；

(6.5)比较第一稳定模态内每个窗口的局部密度-距离比的均值和该模态对应的控制限，更新过渡模态的起点；

若局部密度-距离比的均值大于该模态对应的控制限，则当前窗口包含样本属于第一稳定模态；若局部密度-距离比的均值小于该模态对应的控制限，则将当前窗口包含样本划分到过渡模态中；

(6.6)对第二稳定模态重复步骤(6.3)-(6.5)，更新过渡模态的终点。

2.根据权利要求1所述的一种基于局部密度峰值聚类的模态辨识方法，其特征在于，所述设定的参数k＝p*N，其中，p为1％～2％之间的数值，N表示数据集中的样本点总数。

3.根据权利要求1或2所述的一种基于局部密度峰值聚类的模态辨识方法，其特征在于，步骤(3)具体包括：

(3.1)根据计算每个样本点在k近邻集下的局部密度值；

其中，kNN(x_i)表示样本点x_i的k近邻集，d(x_i,x_j)是样本点x_i与样本点x_j之间的欧氏距离，ρ_i是样本点x_i在k近邻集下的局部密度值；

(3.2)根据确定每个样本点到高于自身局部密度值的样本点的最小欧式距离；

其中，δ_i是样本点x_i到高于自身局部密度值的样本点的最小欧式距离。

4.根据权利要求1所述的一种基于局部密度峰值聚类的模态辨识方法，其特征在于，步骤(6.4)中选取稳定模态中包含70％样本点的窗口，作为计算该模态对应的控制限的窗口集。

5.根据权利要求1所述的一种基于局部密度峰值聚类的模态辨识方法，其特征在于，所述控制限的计算公式为：Lim＝mean(Wini)-std(Wini)；

其中，Wini表示选取的包含稳定模态中设定数量样本点的窗口集，mean(Wini)表示对Wini内所有窗口的局部密度-距离比均值取均值，std(Wini)表示对Wini内所有窗口的局部密度-距离比均值取标准差。