日本在线www-日本在线播放一区-日本在线不卡免费视频一区-日本在线不卡视频-成人影院久久久久久影院-成人影院一区二区三区

圖1  聚類(lèi)融合控制系統(tǒng)結(jié)構(gòu)圖

表1  常用信息融合算法比較

    應(yīng)用于信息融合的算法還有很多，比如卡爾曼濾波、支持向量機(jī)、遺傳算法、小波分析理論以及一些簡(jiǎn)單的推理方法等等。由于信息融合應(yīng)用領(lǐng)域相當(dāng)廣泛，單獨(dú)采用一種方法往往具有一定的局限性，將各種方法進(jìn)行優(yōu)勢(shì)互補(bǔ)逐漸成為信息融合算法研究的重點(diǎn)。

2.2  聚類(lèi)分析

    聚類(lèi)就是將一個(gè)數(shù)據(jù)單位（對(duì)象）的集合（活數(shù)據(jù)源）分割成為幾個(gè)稱(chēng)為類(lèi)或類(lèi)別的子集，每個(gè)類(lèi)內(nèi)的對(duì)象之間是相似的，但不同類(lèi)的對(duì)象之間區(qū)別較大。聚類(lèi)不同于分類(lèi)，聚類(lèi)是一個(gè)無(wú)監(jiān)督的學(xué)習(xí)過(guò)程，分類(lèi)是有監(jiān)督的學(xué)習(xí)過(guò)程；分類(lèi)時(shí)需要事先知道分類(lèi)所依據(jù)的屬性值，而聚類(lèi)時(shí)要找到這個(gè)分類(lèi)屬性值。聚類(lèi)分析是根據(jù)事物本身的特征研究對(duì)象分類(lèi)的方法，它的依據(jù)原則是使同一類(lèi)的對(duì)象具有盡可能大的相似性，而不同類(lèi)中的對(duì)象具有盡可能大的差異性。

    聚類(lèi)算法常見(jiàn)的有劃分法、層次法、基于密度法、基于網(wǎng)格法、基于模型法[5]。

    聚類(lèi)算法從樣本對(duì)于類(lèi)的隸屬度上可以劃分為：硬聚類(lèi)、模糊聚類(lèi)、可能性聚類(lèi)[6]。

    其中模糊聚類(lèi)是目前研究的熱點(diǎn)。模糊聚類(lèi)常用的方法有傳遞閉包法、動(dòng)態(tài)直接聚類(lèi)法、最大樹(shù)法、基于攝動(dòng)的模糊聚類(lèi)方法FCMBP、系統(tǒng)聚類(lèi)法、模糊C－均值法和模糊ISODATA算法等。目前聚類(lèi)算法發(fā)展的方向是：

    (1)  C均值聚類(lèi)算法：建立合適的目標(biāo)函數(shù)表達(dá)式，用數(shù)學(xué)規(guī)劃方法求解最優(yōu)解，如模糊C－均值聚類(lèi)算法等。這類(lèi)算法的主要缺陷是對(duì)初始化比較敏感，易于陷入局部極小點(diǎn)，收斂速度較慢。

    (2)  將傳統(tǒng)的聚類(lèi)技術(shù)與神經(jīng)網(wǎng)絡(luò)結(jié)合：借助神經(jīng)網(wǎng)絡(luò)的并行實(shí)現(xiàn)以提高算法的收斂速度。
提出的有Kohonen聚類(lèi)神經(jīng)網(wǎng)絡(luò)、模糊聚類(lèi)神經(jīng)網(wǎng)絡(luò)等。它的優(yōu)點(diǎn)是收斂速度快，算法精度比較高。

    (3)  將傳統(tǒng)的聚類(lèi)技術(shù)與現(xiàn)代優(yōu)化方法相結(jié)合：以克服聚類(lèi)算法對(duì)初始化的敏感，克服易于陷入局部極小點(diǎn)的問(wèn)題。如與模擬退火相結(jié)合、與遺傳進(jìn)化算法相結(jié)合。但是這些算法收斂速度較慢。

2.3  知識(shí)庫(kù)

    信息融合和聚類(lèi)分析的實(shí)現(xiàn)，除了要有適當(dāng)?shù)乃惴ㄍ猓€應(yīng)當(dāng)有必要的領(lǐng)域知識(shí)進(jìn)行有監(jiān)督的指導(dǎo)。特別是在實(shí)際的工業(yè)控制系統(tǒng)中，這些知識(shí)就構(gòu)成了專(zhuān)家知識(shí)庫(kù)。

    圖1結(jié)合專(zhuān)家控制，筆者在聚類(lèi)融合控制系統(tǒng)中采用的是一種能自學(xué)習(xí)的知識(shí)庫(kù)。對(duì)環(huán)境信息進(jìn)行搜索、控制和邏輯思維以產(chǎn)生、修改與更新知識(shí)庫(kù)，目的是不斷地改善執(zhí)行環(huán)節(jié)的作用，因此在執(zhí)行機(jī)構(gòu)和學(xué)習(xí)環(huán)節(jié)之間引入反饋，使得在執(zhí)行任務(wù)期間獲得的信息可以反饋到學(xué)習(xí)環(huán)節(jié)。這樣通過(guò)對(duì)知識(shí)庫(kù)中的規(guī)則進(jìn)行反饋的在線自學(xué)習(xí)，可得到更好的的控制效果[10]。

2.4  控制策略

    聚類(lèi)融合控制中的控制策略要結(jié)合實(shí)際控制對(duì)象的需要。可以采用常規(guī)控制算法、自適應(yīng)控制算法、智能控制算法等。選擇控制策略的過(guò)程一般包括匹配、沖突解決和操作三步驟：

(1)  匹配：將當(dāng)前數(shù)據(jù)庫(kù)和知識(shí)庫(kù)中規(guī)則的條件相匹配，若兩者完全匹配，將按規(guī)則的操作部分執(zhí)行；

(2)  沖突解決：當(dāng)一條以上的規(guī)則和數(shù)據(jù)相匹配的時(shí)候，就需要決定首先使用哪一條規(guī)則；

(3)  操作：執(zhí)行規(guī)則中的操作部分。

3  聚類(lèi)融合控制研究展望

    (1)  改進(jìn)信息融合算法進(jìn)一步提高系統(tǒng)性能。目前將模糊邏輯、神經(jīng)網(wǎng)絡(luò)、進(jìn)化計(jì)算、粗集理論、支持向量機(jī)、小波變換、多尺度估計(jì)理論等技術(shù)有機(jī)地結(jié)合起來(lái)，以提高融合的性能和效率，是一個(gè)重要的發(fā)展趨勢(shì)。開(kāi)發(fā)并行計(jì)算的軟件和硬件，以滿(mǎn)足具有大量數(shù)據(jù)且計(jì)算復(fù)雜的多傳感器融合的要求。

    (2)  將聚類(lèi)融合和傳統(tǒng)控制、智能控制相結(jié)合，改善聚類(lèi)融合控制系統(tǒng)的基本結(jié)構(gòu)，使其更實(shí)用化。如與PID控制、自適應(yīng)控制、解耦控制以及智能控制中模糊控制和神經(jīng)網(wǎng)絡(luò)控制等相結(jié)合。結(jié)合實(shí)際的工業(yè)控制系統(tǒng)的要求，在控制策略中調(diào)節(jié)PID的各個(gè)參數(shù)，或者信息融合后直接利用模糊控制器聚類(lèi)，利用BP網(wǎng)絡(luò)進(jìn)行二次融合等。

    (3)  常規(guī)的聚類(lèi)分析方法不具有線性的計(jì)算復(fù)雜度，難以適用數(shù)據(jù)庫(kù)非常大的情況，而ART人工神經(jīng)網(wǎng)絡(luò)則可根據(jù)輸入的數(shù)據(jù)，作無(wú)監(jiān)督或無(wú)教師歸納（也可以進(jìn)行有教師訓(xùn)練），自動(dòng)形成和自確定數(shù)據(jù)類(lèi)別。但ART網(wǎng)絡(luò)也有自己的缺陷，比如存在著丟失模式幅度信息，聚類(lèi)中心的漂移；處理集群分布樣本時(shí)，效果很不理想；因?yàn)閷?duì)輸入樣本敏感度較低，造成的分類(lèi)錯(cuò)誤等[9]。這樣使得ART網(wǎng)絡(luò)在聚類(lèi)融合控制中存在著一定的局限性。如何在聚類(lèi)融合控制中更好地使用ART網(wǎng)絡(luò)，也是值得人們研究的課題。