[发明专利]一种基于局部高斯混合模型的暂态相位划分方法及系统

权利要求书

1.一种基于局部高斯混合模型的相位划分方法，包括如下步骤：

S1、采集样本并创建历史训练数据集；

S2、按照采样时间顺序自所述历史训练数据集选择部分样本创建第一个高斯分布模型以确定出第一个稳态相位；

S3、基于前一个已经确定的高斯模型，创建包含两个高斯成分的高斯混合模型以确定出下一稳态相位；

S4、基于已确定的两个相邻稳态相位模型确定出两个稳态相位之间可能存在的暂态相位；

S5、重复S3和S4以完成对全部样本数据的相位划分；

其中，自所述历史训练数据集选择部分样本创建第一个高斯分布模型以确定出第一个稳态相位数据包括：

S21、依次自所述历史训练数据集选取前N₁个样本并计算其均值和方差以获得对应的高斯分布模型p(x|1)，其中，p(x|1)表示第一个高斯分布模型的概率密度函数，x表示采集的样本数据；

S22、抽取样本点进行稳态相位验证，即自第N₁/2个样本点开始验证以找到连续三个满足第一验证条件的样本点并将满足第一该验证条件的样本点所对应的序号标记为所述验证条件为

其中，ρ是预先指定的阈值；

S23、判断N₁是否等于是则表示结果收敛即第一个稳态相位已确定并进行下一步；否则令并返回步骤S21进行迭代直至N₁等于进一步的，

所述基于前一个已经确定的高斯模型，创建包含两个高斯成分的高斯混合模型以确定出下一稳态相位包括：

S31、基于前一个已经确定的高斯模型，创建包含两个高斯分布函数的混合模型并进行训练，假设前c-1个稳态相位已经确定，c是大于等于2的整数，该混合模型所对应的公式为

p(x|θ_c)＝α_c-1p(x|c-1)+α_cp(x|c)

其中，第c-1个高斯模型的概率密度函数p(x|c-1)已确定，记包含N_c-1个样本的第c-1个稳态相位为X_c-1，第c个高斯模型的概率密度函数p(x|c)待定，假设包含N_c个样本的第c个稳态相位为X_c，记X_m＝{X_c-1,X_c}为此高斯混合模型的训练数据，所对应的训练参数θ_c＝{α_c-1,α_c,μ_c,Σ_c}，α_c-1和α_c分别是混合高斯模型中第c-1个和第c个高斯成分的组合系数，μ_c和Σ_c分别是第c个高斯概率密度函数p(x|c)中的均值向量和方差矩阵，利用最大期望算法即EM算法对上述混合模型进行训练；

S32、抽取样本点对混合模型进行稳态相位验证，

即自第N_c-1/2个样本点开始验证以找到连续三个满足第二验证条件的样本点并将满足该第二验证条件的样本点所对应的序号标记为所述验证条件为

其中，ρ是预先指定的阈值；

S33、判断是否等于N_c+N_c-1，是则表示结果收敛即第c个稳态相位已确定；否则令并返回步骤S31进行迭代直至等于N_c+N_c-1。

2.根据权利要求1所述的相位划分方法，其特征在于，所述基于已确定的两个相邻稳态相位模型确定出两个稳态相位之间可能存在的暂态相位包括：自两个已经确定的两个稳态相位X_c-1和X_c，从第c个稳态相位第一个样本点开始检验并找出连续满足p(x_n|c)＜ρ的样本点，记为暂态相位X_c-1,c。