摘要：针对目前的曲线聚类算法基于类内差异设计,造成不同类之间的曲线区分度不高的问题。在曲线拟合、曲线距离界定的基础上,构造新的目标函数,提出同时考虑类内和类间差异的曲线聚类算法。模拟结果显示,该曲线聚类能够提高聚类精度;针对NO_2污染物小时浓度的实例分析表明,该曲线聚类算法具有更好的类间区分度。

摘要：针对目前设备异常状态检测方法实际应用的局限性,本文提出基于两阶段聚类的检测方法。该方法在不需要大量的专业知识经验和历史数据的条件下就可以实现设备状态数据的异常检测和定位。首先采用三角线性极值法对获取的时间序列数据进行分段处理,利用一阶段聚类获取初始异常时间段数据,再进行二次聚类操作获取异常对应测点和时间段,较快速便捷实现异常在空间和时间维度上的精准定位。实验结果表明,该方法有效降低误检率的同时可以极大提高异常检测的准确率,具备较高的实际应用价值。