基于散列函數(shù)的雙網(wǎng)格校正小波聚類算法及應(yīng)用.pdf

1、旋轉(zhuǎn)機械廣泛應(yīng)用于冶金、礦業(yè)、航空、電力和機械等行業(yè)，轉(zhuǎn)子系統(tǒng)是旋轉(zhuǎn)機械的核心部件，旋轉(zhuǎn)機械的故障診斷一般通過轉(zhuǎn)子系統(tǒng)的振動進行診斷故障。為及時發(fā)現(xiàn)設(shè)備故障和預(yù)防惡性事故的發(fā)生，對轉(zhuǎn)子系統(tǒng)進行故障診斷有重要意義。
　　小波聚類算法具有有效地處理大數(shù)據(jù)集合，對輸入的數(shù)據(jù)順序不敏感，聚類結(jié)果不受噪聲影響，且能發(fā)現(xiàn)不同精度下任意形狀的簇，因此被廣泛應(yīng)用于模式識別、圖像處理等領(lǐng)域。小波聚類算法是在一種尺寸網(wǎng)格下進行聚類分析，由于網(wǎng)格單元中

2、數(shù)據(jù)的分布是不均勻的，因此會降低聚類精度。而通過雙網(wǎng)格校正小波聚類算法可以緩解一種尺寸下網(wǎng)格均勻劃分與數(shù)據(jù)對象非均勻分布的相互矛盾。小波聚類算法是在網(wǎng)格上進行小波變換，再進行聚類，而高維空間數(shù)據(jù)是稀疏的，量化后，網(wǎng)格數(shù)遠遠小于數(shù)據(jù)數(shù)，含有大量的空單元，這些空單元會增大空間復(fù)雜度，降低聚類的速度。為了提高聚類精度、速度，本論文主要是在小波聚類算法(WaveCluter)上進行研究和改進，提出了基于散列函數(shù)的雙網(wǎng)格校正小波聚類算法。

3、　　基于散列函數(shù)的雙網(wǎng)格校正小波聚類算法首先要構(gòu)造新的散列函數(shù)形成一個新的散列表；其次，將量化后的特征值存儲到散列表中，并行地在原始網(wǎng)格和校正網(wǎng)格上進行小波變換，在轉(zhuǎn)換后的特征空間子波段，不同層次上找連通單元（簇）；然后，利用校正網(wǎng)格產(chǎn)生的聚類結(jié)果去校正原始網(wǎng)格產(chǎn)生的聚類結(jié)果，得到新的校正后的聚類結(jié)果；最后，把改進的算法應(yīng)用到航空發(fā)動機轉(zhuǎn)子故障診斷中，通過對時間復(fù)雜度和空間復(fù)雜度進行分析，驗證算法的有效性和可行性。實驗結(jié)果證明：基于散列