Author(s): CHEN Yun-feng, WANG Hong-jun, YANG Yan
Pages: 233-238
Year: 2015 Issue:  6
Journal: Computer Science
Keyword:  Fault diagnosis; Feature selection; Cluster analysis; Clustering ensemble;
Abstract: 聚类集成是对若干独立基聚类器的结果进行组合,从而得到一个对原始数据最优的聚类结果.聚类集成能够减小噪声和孤立点对结果的影响,同时增强聚类结果的鲁棒性和稳定性.从3方面阐述了基于聚类集成的高铁故障诊断分析:1)将原始高铁仿真数据通过傅里叶变化把信号从时域转换到频域,再用不同的特征选择算法进行数据预处理分析;2)分别采用Affinity Propagation(AP)、模糊C均值(FCM)、高斯混合模型(EmGauussian)、Kmeans 4种不同的聚类算法对预处理后的数据进行分析比较;3)引入HGPA、MCLA、CSPA 3种不同聚类集成模型,将得到的基聚类结果分别进行集成.首次把聚类集成算法运用于高铁故障分析中,对比实验结果表明,该方法相比于单个的聚类算法能够更准确有效地进行高铁故障诊断.