聚类算法在机械故障诊断中的应用.docVIP

模糊聚类在机械故障诊断中的应用 第一章 聚类分析概述 聚类分析是由若干模式组成的，通常，模式是一个度量的向量，或者是多维空间中的一个点。聚类分析以相似性为基础，在一个聚类中的模式之间比不在同一聚类中的模式之间具有更多的相似性。 聚类的用途是很广泛的。聚类分析可以作为数据挖掘算法中其他分析算法的一个预处理步骤。　C均值聚类 在各种算法中,模糊C均值聚类( FCM)算法是一种应用广泛的算法,其基本思想是,在分类条件给定的条件下,利用模糊C算法寻找出对事物的最佳分类方案。 被分类对象集合为 U={u1,u2,…,un} 其中每一对象ui都有m个特性指标,即 ui={ui1,ui2,…,uim} 相应的特征指标矩阵为 （1） 根据n个对象的特性指标矩阵寻找出在一定条件下最佳的模糊分类矩阵R,即 （2） 模糊分类,即被分类对象集合U中的对象ui以一定的隶属度属于某一类。因此,每一类就认为是对象集合U上的一个模糊子集。 R满足下列3个条件: (1)rij∈[0,1],即分类矩阵元素在0和1之间取值。 (2) ,即每一列中分别属于各类的隶属度之和为1,这一条件保证了对一个对象而言,它对各类的隶属度之和为1。 (3) ,这一条件保证了每一类都必须有对象,即总有一些对象不同程度地属于各类。 现将对象U分成c类,求出聚类中心矩阵V, 使目标函数