基于改进式k-prototypes聚类的坏数据辨识与修正

• 作者: 王孝慈 董树锋 刘育权 王莉 李俊格
• 来源期刊: 电测与仪表
• 学科: 工学
• 关键词: k-prototypes聚类 混合数据集聚类 坏数据辨识 类中心置换修正法 工业负荷预处理
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 数据分析技术专题|Data Analysis Technology Column
• 页码范围: 9-15
• 页数: 7页
• 分类号: TM734
• 语种: 中文
• DOI: 10.19753/j.issn1001-1390.2022.02.002

摘要

工业领域很多技术的实现都以准确的负荷数据为基础,而工厂现有的负荷数据测量体系常因为通信、存储等故障,导致负荷数据中出现大量坏数据.因此,提出基于改进式k-prototypes聚类的坏数据辨识与修正方法,通过在聚类中引入非负荷数据特征,削弱负荷坏数据对聚类结果的影响,使坏数据辨识和修复结果更准确.改进式k-prototypes算法通过随机初始化,并行计算择优,克服了标准k-prototypes容易随初始聚类中心陷入局部最优解的缺陷;并通过聚类数量的自适应处理,解决了主观决定聚类数量的问题.基于聚类结果,根据正态分布原则确定负荷数据可行域,识别坏数据,并利用类中心置换法进行修正.实验表明,该方法较只考虑负荷数据的模糊均值聚类法效果更好,坏数据识别的召回率与修正的准确率显著提高.