Abstract
У статті наведено результати аналізу методів нечіткої кластеризації даних поточних спостережень в технічних системах. Запропоновано і протестовано комбінований підхід до нечіткої кластеризації даних з використанням комбінації алгоритму Густафсона-Кесселя, методу остовного лісу та фільтра Калмана, що може бути використаний в системах технічної діагностики (зокрема, діагностики стану основних параметрів технологічних процесів). Розглянуто можливість подальшого розширення функціональних можливостей наведеного комбінованого методу кластеризації з наданням йому адаптивних властивостей. Наведено результати тестування та визначено переваги запропонованого підходу.
Highlights
Комбіноване використання розглянутих методів може сприяти подоланню недоліків кожного з них: графові методи дозволяють зробити більш плавною загальну процедуру нечіткої кластеризації, поміщаючи об'єкти в різні кластери з різним ступенем належності; після попереднього використання графових методів з визначенням доцільної кількості кластерів можна здійснити уточнену нечітку кластеризацію за одним з методів розбиття
Комбінований метод, що пропонується, передбачає послідовну реалізацію таких кроків: вибір структури діагностичної моделі; збір даних та їх підготовка до кластеризації; визначення кількості кластерів з використанням MSF, МННК-k та фільтрації Калмана; нечітка кластеризація даних з використанням метода ГК; оцінювання якості кластеризації
За результатами аналізу сучасного стану цієї проблеми запропоновано комбінований метод нечіткої кластеризації, що передбачає послідовну реалізацію таких кроків: вибір структури діагностичної моделі; збір даних та їх підготовка до кластеризації; визначення кількості кластерів з використанням MSF, МННК-k та фільтрації Калмана; нечітка кластеризація даних з використанням метода ГК; оцінювання якості кластеризації
Summary
У статті наведено результати аналізу методів нечіткої кластеризації даних поточних спостережень в технічних системах. Запропоновано і протестовано комбінований підхід до нечіткої кластеризації даних з використанням комбінації алгоритму Густафсона-Кесселя, методу остовного лісу та фільтра Калмана, що може бути використаний в системах технічної діагностики (зокрема, діагностики стану основних параметрів технологічних процесів). Останнім часом для діагностики поточних станів об'єктів діагностування (ОД) за даними спостережень їх входів та виходів, які формують масив спостережень (МС), часто використовують методи нечіткої кластеризації (НК). В роботі [12] наведено гібридний метод нечіткої кластеризації, що поєднує переваги графового методу MST та методу FCM і пропонується для аналізу фактографічних даних. У даній роботі пропонується комбінований підхід до нечіткої кластеризації даних з використанням комбінації алгоритму ГК, методу MST та фільтра Калмана, що може бути використаний в системах технічної діагностики Відома велика кількість методів кластеризації, Виклад основного матеріалу які діляться на ієрархічні і неієрархічні, серед яких найбільшого поширення набули методи розбиття
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
