嗨
我与Matlab相当新的。对不起,长文本但我希望一切都会清楚。
我试图建立一个故障检测(分类)系统通过使用模糊C-Mean集群和会员级别。我进行了主成分分析,减少变量的数量描述系统组件3原则。我训练数据无故障条件除了9更多缺点(共10)。每个操作系统有9个操作条件条件可能有这些缺点(1断层免费+ 9 = 10)。
因为我不能设法做3 d集群首先我开始除以过程分为两个步骤:
1。确定操作条件(9操作条件)使用2 d集群(使用第一和第二主成分)。
2。识别故障(1断层免费+ 9 = 10)使用2 d聚类(使用1和美商原理组件或第二任丈夫和美商原则组件。
在以下脚本我试着执行第一步:
清晰的所有;
[data8 text8 full8] = xlsread (“FDD_Training_Clustering.xlsx”);
f8 = data8 (: 1)”;
tlen8 =长度(f8);
t_xi8 = data8 (:, 2:11);
[coeff8, score8 latent8、tsquared8 explained8, mu8] = pca (t_xi8);
bb8 = score8 (: 1);
×8 = t_xi8 * coeff8;
x_3pca =出数(:,1:3);
x_pca1_2 =出数(:,1:2);
x_pca2_3 =出数(:,2:3);
x_pca1_3 =[出数(:1)×8 (:,3)];
魔法石,第1章= 30,ss2 = 30; ss3 = 30; ss4 = 30;《魔法= 30;ss6 = 30; ss7 = 30; ss8 = 30; ss9 = 30;
cc_1 = 1:魔法石,第1章;
ss2 cc_2(魔法石,第1章+ 1:魔法石,第1章+;
ss2 cc_3 =魔法石,第1章+ + 1:魔法石,第1章ss2 + + ss3;
ss2 cc_4 =魔法石,第1章+ + ss3 + 1:魔法石,第1章ss2 + + ss3 + ss4;
ss2 cc_5 =魔法石,第1章+ + ss3 + ss4 + 1:魔法石,第1章ss2 + + ss3 + ss4 +魔法;
ss2 cc_6 =魔法石,第1章+ + ss3 + ss4 +魔法+ 1:魔法石,第1章ss2 + + ss3 + ss4 +魔法+ ss6;
ss2 cc_7 =魔法石,第1章+ + ss3 + ss4 +魔法+ ss6 + 1:魔法石,第1章ss2 + + ss3 + ss4 +魔法+ ss6 + ss7;
ss2 cc_8 =魔法石,第1章+ + ss3 + ss4 +魔法+ ss6 + ss7 + 1:魔法石,第1章ss2 + + ss3 + ss4 +魔法+ ss6 + ss7 + ss8;
ss2 cc_9 =魔法石,第1章+ + ss3 + ss4 +魔法+ ss6 + ss7 + ss8 + 1:魔法石,第1章ss2 + + ss3 + ss4 +魔法+ ss6 + ss7 + ss8 + ss9;
dd = 3;
还=的混合体;
如果dd = = 1
x1_1dd = (cc_1);暗x2_1dd = (cc_2);暗x3_1dd = (cc_3);暗x4_1dd = (cc_4);暗x5_1dd = (cc_5);暗x6_1dd = (cc_6);暗x7_1dd = (cc_7);暗x8_1dd = (cc_8);暗x9_1dd =还(cc_9);
y1_1dd =的(魔法石,第1章);y2_1dd = 1 (1, ss2); y3_1dd = 1 (1, ss3); y4_1dd = 1 (ss4); y5_1dd =的(魔法);y6_1dd = 1 (1, ss6); y7_1dd = 1 (ss7); y8_1dd = 1 (1, ss8); y9_1dd = 1 (1, ss9);
elseifdd = = 2
x1_2dd = (cc_1 1);暗x2_2dd = (cc_2 1);暗x3_2dd = (cc_3 1);暗x4_2dd = (cc_4 1);暗x5_2dd = (cc_5 1);暗x6_2dd = (cc_6 1);暗x7_2dd = (cc_7 1);暗x8_2dd = (cc_8 1);暗x9_2dd =所有(cc_9, 1);
y1_2dd = (cc_1, 2)暗生;y2_2dd = (cc_2, 2)暗生;y3_2dd = (cc_3, 2)暗生;y4_2dd = (cc_4, 2)暗生;y5_2dd = (cc_5, 2)暗生;y6_2dd = (cc_6, 2)暗生;y7_2dd = (cc_7, 2)暗生;y8_2dd = (cc_8, 2)暗生;y9_2dd = (cc_9, 2)暗生;
elseifdd = = 3
x1_3dd = (cc_1 1);暗x2_3dd = (cc_2 1);暗x3_3dd = (cc_3 1);暗x4_3dd = (cc_4 1);暗x5_3dd = (cc_5 1);暗x6_3dd = (cc_6 1);暗x7_3dd = (cc_7 1);暗x8_3dd = (cc_8 1);暗x9_3dd =所有(cc_9, 1);
y1_3dd = (cc_1, 2)暗生;y2_3dd = (cc_2, 2)暗生;y3_3dd = (cc_3, 2)暗生;y4_3dd = (cc_4, 2)暗生;y5_3dd = (cc_5, 2)暗生;y6_3dd = (cc_6, 2)暗生;y7_3dd = (cc_7, 2)暗生;y8_3dd = (cc_8, 2)暗生;y9_3dd = (cc_9, 2)暗生;
z1_3dd = (cc_1 3);暗z2_3dd = (cc_2 3);暗z3_3dd = (cc_3 3);暗z4_3dd = (cc_4 3);暗z5_3dd = (cc_5 3);暗z6_3dd = (cc_6 3);暗z7_3dd = (cc_7 3);暗z8_3dd = (cc_8 3);暗z9_3dd =还(cc_9 3);
结束
下面的代码显示的视觉图3原则组件在3 d和2 d的第一和第二原则组件在不同的颜色和标志显示集群应该看起来像:
图(1)
plot3 (x1_3dd y1_3dd z1_3dd,”或“,y2_3dd x2_3dd z2_3dd,“xb”,y3_3dd x3_3dd z3_3dd,“+ g”,y4_3dd x4_3dd z4_3dd,‘* k”,y5_3dd x5_3dd z5_3dd,“sc”,y6_3dd x6_3dd z6_3dd,“糖尿病”,y7_3dd x7_3dd z7_3dd,“点”,y8_3dd x8_3dd z8_3dd,“人力资源”,y9_3dd x9_3dd z9_3dd,“^ b”)
传奇(“W30B-5”,“W30B0”,“W30B5”,“W40B-5”,“W40B0”,“W40B5”,“W50B-5”,“W50B0”,“W50B5”)
标题(“3 d PCA投影”)
包含(“第一个PCA组件”)
ylabel (第二主成分分析组件的)
zlabel (“第三PCA组件”)
网格在
轴vis3d
图(2)
情节(x1_3dd y1_3dd,”或“x2_3dd y2_3dd,“xb”x3_3dd y3_3dd,“+ g”x4_3dd y4_3dd,‘* k”x5_3dd y5_3dd,“sc”x6_3dd y6_3dd,“糖尿病”x7_3dd y7_3dd,“点”x8_3dd y8_3dd,“人力资源”x9_3dd y9_3dd,“^ b”)
传奇(“W30B-5”,“W30B0”,“W30B5”,“W40B-5”,“W40B0”,“W40B5”,“W50B-5”,“W50B0”,“W50B5”)
标题(的二维主成分分析的投影)
包含(“第一个PCA组件”)
ylabel (第二主成分分析组件的)
网格在
轴vis3d
现在在指定组件我们去聚类原则:
选择= [2 1000 0.00001 - 1];
(中心、U obj_fcn) = fcm (x_pca1_2 9选项);
图(4)
情节(x_pca1_2 (: 1) x_pca1_2 (:, 2),“ob”)
maxU = max (U);
index1 =找到(U (1:) = = maxU);
index2 =找到(U (2:) = = maxU);
index3 =找到(U (3:) = = maxU);
index4 =找到(U (4:) = = maxU);
index5 =找到(U (5:) = = maxU);
index6 =找到(U (6:) = = maxU);
index7 =找到(U (7:) = = maxU);
:index8 =找到(U(8日)= = maxU);
:index9 =找到(U(9日)= = maxU);
图(3)
情节(x_pca1_2 (index1, 1), x_pca1_2 (index1, 2),“ob”)
持有在
情节(x_pca1_2 (index2, 1), x_pca1_2 (index2, 2),”或“)
情节(x_pca1_2 (index3, 1), x_pca1_2 (index3, 2),“好吧”)
情节(x_pca1_2 (index4, 1), x_pca1_2 (index4, 2),的噩)
情节(x_pca1_2 (index5, 1), x_pca1_2 (index5, 2),“om”)
情节(x_pca1_2 (index6, 1), x_pca1_2 (index6, 2),“某人”)
情节(x_pca1_2 (index7, 1), x_pca1_2 (index7, 2),“老”)
情节(x_pca1_2 (index8, 1), x_pca1_2 (index8, 2),“sk”)
情节(x_pca1_2 (index9, 1), x_pca1_2 (index9, 2),“sm”)
情节(中心(1,1),中心(1、2),“xb”,“MarkerSize”15岁的“线宽”3)
情节(中心(2,1),中心(2,2),“xr”,“MarkerSize”15岁的“线宽”3)
情节(中心(3,1),中心(3,2),“xk”,“MarkerSize”15岁的“线宽”3)
情节(中心(4,1),中心(4,2),“xg”,“MarkerSize”15岁的“线宽”3)
情节(中心(5、1),中心(5,2),xm的,“MarkerSize”15岁的“线宽”3)
情节(中心(6,1)中心(6,2),“xb”,“MarkerSize”15岁的“线宽”3)
1),主要情节(中心(7 (7,2),“xr”,“MarkerSize”15岁的“线宽”3)
情节(中心(8,1),中心(8,2),“xk”,“MarkerSize”15岁的“线宽”3)
情节(中心(9,1)中心(9,2),xm的,“MarkerSize”15岁的“线宽”3)
持有从
网格在
集群每次我收到是不同的!
在这一步我已经知道哪个点属于哪个集群但有时我得到的集群是不正确的。我只需要知道每个集群的中心从这个训练步骤,所以我可以使用它们来分类后的测试数据。
我的问题如下:
1。有一个3 d模糊C-Mean技术我可以使用,让我建立3 d集群训练数据,然后使用这些集群分类测试数据输入点使用每个点的隶属度对每个集群?
2。我怎么能限制点到一个特定的集群在训练步骤?
3所示。在构建集群之后,我可以选择一个特定的形状(最好是圆或者椭圆)集群还是自动塑造和我如何绘制集群的边界附近吗?
4所示。在构建集群之后,我可以介绍一些权重参数,这样我就可以扩大集群有点如果需要?
5。你推荐的任何使用会员级别分类技术对每个集群在构建集群正确吗?
我真的很感激你的帮助。
