基于改进kmeans聚类算法的多模型建模方法.pdf

第3 5卷增刊中国科学技术大学学报 2005年1 1月JOURNALOFUNIVERSITYOFSCIENCEANDTRCIⅢOLOGyOFCHINA 文章编号:0253—2778(2005)增一0062-06 基于改进k—means聚类算法的多模型建模方法。周芦文,周立芳() 摘要:根据数据建模以度采用多个模型可以提高系统的预测精度和鲁棒性的思想,提出了一种基于改进聚类算法的多模型建模方法,对聚类效果影响比较大的聚类中心初值选取进行了改进,然后用改进的k-means聚类算法将系统输入输出数据分成不同的子区域,最后采用偏最小二乘回归的方法(PLS)分别建立局部模型,,该方法具有良好的数据拟夸以厦模型预测能力,是一种有效的建模方法. 关键词:非线性系统;多模型;聚类;偏最小二乘回归(PI。S) 中图分类号:TPl8 文献标识码:A 0引言由于生产过程的工况条件Et益复杂,使得控制系统往往呈现出多变量、非线性、强耦台、工况范围广、,,多模型方法应运而生,成为了处理非线性系统建模与控制难题的一种常用的有效方法口].对于结构已知的非线性系统,可以采用成熟的辨识方法,如基于NARMAX、Hammerstein、、结构未知的非线性系统,一般都采用数据建模或混合建模的方法来辨识系统的结构. 聚类算法”3作为一种无监督的学****方法,能够从研究对象的特征数据中挖掘出关联规则,,聚类算法被广泛地应用于数据挖掘、模式识别、图像处理、特征提取、统计学等领域,在多模型辨识方面也得到了成功地运用口].其基本思想是利用聚类算法将复杂控制系统所处的不同工作状态进行区分、归类,然后再基于此对每一个工作状态进行相应的动态方程描述. k-means聚类算法是由MacQueen于1967年提出的,-means聚类算法必须事先知道簇的个数并且k-means聚类算法是一种迭代聚类的算法,存在着迭代聚类算法所固有的缺点[4],即对于随机的初始值选取可能会导致不*作者简介:周芦文,女,1982年生,:非线性系统的多模型建楗与预测控制. E-mail:******@. 增刊基于改进k-means聚类算法的多模型建模方法 63 同的聚类结果,-means聚类算法的初值选取方法以及簇融合算法进行了改进,并将改进的算法与偏最小二乘NlJH(PI,S)算法嘲相结合应用于多模型建模方面,提出了一种基于改进k-,该方法简单且易于实现,得到的多模型预测精度较高. 1改进的k-means聚类算法 k-means聚类算法考虑一个样本集合D一{d。li=1,2,?,”),K个簇的核中心集合C一‰Ii=1,2,?, k),各个簇当中所包含的样本数据集合为S一{dld是属于第i簇当中的对象},数据d;∈ S(第m簇),则 dist(d