[发明专利]一种基于滑动窗口的尾矿砂液化数据聚类方法

权利要求书

1.一种基于滑动窗口的尾矿砂液化数据聚类方法，其特征在于，包括如下步骤：

S1：对尾矿砂液化数据进行标准化处理，得到标准化数据集；

S2：滑动窗口模型遍历所述标准化数据集，并计算每个滑动窗口内标准化数据的标准差，所有标准差形成标准差数据集；

S3：计算标准差数据集的均值和标准差，根据所述标准差数据集的均值和标准差和拉依达准则得到多个分段数据集；

S4：计算每个所述分段数据集的聚类半径；

S5：每个所述分段数据集根据其所述聚类半径和聚类算法进行聚类；

S6：将不在任何簇中的数据作为异常点输出。

2.根据权利要求1所述的一种基于滑动窗口的尾矿砂液化数据聚类方法，其特征在于，在所述步骤S1中，采用Z-score标准化方法对所述尾矿砂液化数据进行标准化处理。

3.根据权利要求2所述的一种基于滑动窗口的尾矿砂液化数据聚类方法，其特征在于，Z-score标准化方法计算方式如下：

其中data为标准化数据，data_old为原始数据，data_val为原始数据的均值，data_std为原始数据的标准差。

4.根据权利要求1所述的一种基于滑动窗口的尾矿砂液化数据聚类方法，其特征在于，在所述步骤S5中所述聚类算法为DBSCAN算法。

5.根据权利要求1所述的种基于滑动窗口的聚类算法用于尾矿砂液化数据研究，其特征在于，在所述步骤S2中滑动窗口内标准化数据的标准差的计算方式如下：

所述标准化数据集X的样本数量为N，x_i表示所述标准化数据集X中的第i个样本；

所述滑动窗口模型的滑动窗口的窗口大小为n；

W为所述滑动窗口，w_j表示第j个滑动窗口；所述滑动窗口的数量为N-n-1；

计算所述滑动窗口内数据的标准差，所述标准差数据集其中，μ_j为第j个滑动窗口内数据的均值，σ_j为第j个滑动窗口内标准化数据的标准差。

6.根据权利要求5所述的种基于滑动窗口的聚类算法用于尾矿砂液化数据研究，其特征在于，在所述步骤S3中标准差数据集的均值和标准差的计算方式如下：

式中，μ为标准差数据集的均值；σ为标准差数据集的标准差。

7.根据权利要求5所述的种基于滑动窗口的聚类算法用于尾矿砂液化数据研究，其特征在于，在所述步骤S3中所述分段数据集的获得方式包括：

所述标准差数据集的均值μ和标准差σ，根据所述拉依达准则，所述标准差数据集S的正常数据分布在μ±3σ区间范围内，未在μ±3σ区间范围内的数据定义为非正常数据，标准差数据集内的数据与μ±3σ线的交点作为数据分段点，相临两个所述分段点之间的数据形成所述分段数据集。

8.根据权利要求1所述的种基于滑动窗口的聚类算法用于尾矿砂液化数据研究，其特征在于，所述分段数据集的聚类半径计算方式如下：

计算每一所述分段数据集中两两元素之间的距离，得到元素距离表dist；

dist＝{d(a₁,a₂),(a₁,a₃),…,(a_p,a_q)}(p＝1,2,…n；q＝1,2,…n；p≠q)；

其中a为所述分段数据集中元素，d为两元素之间的距离；

元素距离表中的数据按照从小到大的顺序对依次排列，为了保证精度，根据数据规模选择不超过20％的数据，对选取的数据求平均值得到所述聚类半径，当所述聚类半径≥0.2时，取所述聚类半径＝0.2。