[发明专利]动态直觉模糊认知图构建方法、时间序列预测方法及系统

权利要求书

1.一种动态直觉模糊认知图构建方法，其特征在于，包括：

利用模糊C均值聚类把标准化时间序列数据聚类成直觉模糊认知图的节点；

训练直觉模糊认知图的权重矩阵，得到初始直觉模糊认知图；

接收新的标准化时间序列数据并输入至初始直觉模糊认知图；

利用动态模糊C均值聚类调整直觉模糊认知图聚类中心的位置，得到动态直觉模糊认知图；

在调整直觉模糊认知图聚类中心的位置的过程中，若当前时刻数据成功落入一个现有集群且利用调整后的直觉模糊认知图求出的真实值与预测值的误差大于预设误差阈值时，利用漂移检测判断当前时刻数据是否出现概念漂移，若是，调整直觉模糊认知图的权重矩阵；否则，不改变直觉模糊认知图。

2.如权利要求1所述的一种动态直觉模糊认知图构建方法，其特征在于，利用粒子群优化算法训练直觉模糊认知图的权重矩阵，其过程为：

首先给出权重矩阵的权值区间，对权重矩阵进行初始化，然后定义粒子群位置向量的元素是直觉模糊认知图的权重矩阵，进行迭代寻优，直至得到最优权重矩阵或满足迭代终止条件。

3.如权利要求1所述的一种动态直觉模糊认知图构建方法，其特征在于，在调整直觉模糊认知图聚类中心的位置的过程中，若当前时刻数据未落入任何一个现有集群且利用调整后的直觉模糊认知图求出的真实值与预测值的误差大于预设误差阈值时，加入一个新的聚类中心，新加入的聚类中心为当前时刻数据；

或

在调整直觉模糊认知图聚类中心的位置的过程中，若当前时刻数据成功落入一个现有集群且利用调整后的直觉模糊认知图求出的真实值与预测值的误差小于或等于预设误差阈值时，不需要调整直觉模糊认知图；

或

在调整直觉模糊认知图聚类中心的位置的过程中，若当前时刻数据成功落入一个现有集群且利用调整后的直觉模糊认知图求出的真实值与预测值的误差大于预设误差阈值时，利用动态模糊C均值更新直觉模糊认知图的聚类中心的位置。

4.一种动态直觉模糊认知图构建系统，其特征在于，包括：

聚类模块，其用于利用模糊C均值聚类把标准化时间序列数据聚类成直觉模糊认知图的节点；

权重矩阵训练模块，其用于训练直觉模糊认知图的权重矩阵，得到初始直觉模糊认知图；

序列数据接收模块，其用于接收新的标准化时间序列数据并输入至初始直觉模糊认知图；

调整模块，其用于利用动态模糊C均值聚类调整直觉模糊认知图聚类中心的位置，得到动态直觉模糊认知图；

在调整直觉模糊认知图聚类中心的位置的过程中，若当前时刻数据成功落入一个现有集群且利用调整后的直觉模糊认知图求出的真实值与预测值的误差大于预设误差阈值时，利用漂移检测判断当前时刻数据是否出现概念漂移，若是，调整直觉模糊认知图的权重矩阵；否则，不改变直觉模糊认知图。

5.如权利要求4所述的一种动态直觉模糊认知图构建系统，其特征在于，在所述权重矩阵训练模块中，利用粒子群优化算法训练直觉模糊认知图的权重矩阵，其过程为：

首先给出权重矩阵的权值区间，对权重矩阵进行初始化，然后定义粒子群位置向量的元素是直觉模糊认知图的权重矩阵，进行迭代寻优，直至得到最优权重矩阵或满足迭代终止条件。

6.如权利要求4所述的一种动态直觉模糊认知图构建系统，其特征在于，在所述调整模块中，若当前时刻数据未落入任何一个现有集群且利用调整后的直觉模糊认知图求出的真实值与预测值的误差大于预设误差阈值时，加入一个新的聚类中心，新加入的聚类中心为当前时刻数据；

或

在所述调整模块中，若当前时刻数据成功落入一个现有集群且利用调整后的直觉模糊认知图求出的真实值与预测值的误差小于或等于预设误差阈值时，不需要调整直觉模糊认知图；

或

在所述调整模块中，若当前时刻数据成功落入一个现有集群且利用调整后的直觉模糊认知图求出的真实值与预测值的误差大于预设误差阈值时，利用动态模糊C均值更新直觉模糊认知图的聚类中心的位置。