一种基于局部线性嵌入的多变量工业流数据谱聚类方法

摘要

工业领域中通常会产生大量未标记的流数据，如何有效利用这些流数据面临一系列挑战。本研究旨在利用无监督聚类方法对这些数据进行深入分析，揭示其潜在的模式和结构，并为工业生产过程优化提供有效的支持与决策。针对流数据的空间非线性和复杂的几何形态，使用局部线性嵌入将数据从凹凸的、非线性的高维特征映射为低维中较为平整且相对线性的特征，实现数据的特征提取。考虑到一般谱聚类算法在度量相似性时无法很好地展示数据的非线性的问题，为了更精确地衡量数据之间的相似性，结合明可夫斯基距离和余弦相似度更有效地度量数据间的相似性以提高聚类效果。在真实的工业煤气化数据、工业污水处理数据以及两个公开数据集上验证了所提方法的有效性，同时与其他聚类算法进行比较，验证了所提方法聚类效果的优越性。

关键词

谱聚类 / 局部线性嵌入 / 复杂性 / 非线性 / 工业流数据

基金资助

国家自然科学基金(62273026)