[发明专利]基于GK模糊聚类的GIS局部放电类型识别方法

权利要求书

1.基于GK模糊聚类的GIS局部放电类型识别方法，其特征在于，包括如下步骤：

S01：根据采集的数据构建GIS局部放电灰度图像；

S02：提取GIS局部放电灰度图像的分形特征，即盒维数和信息维数；

S03：采用GK模糊聚类算法对分形特征数据进一步处理，隔离GIS现场干扰信号；

S04：基于最小二乘支持向量机分类算法设计GIS局部放电模式识别器；

S05：识别GIS局部放电类型。

2.根据权利要求1所述的基于GK模糊聚类的GIS局部放电类型识别方法，其特征在于，步骤S03具体包括如下步骤：

a1：假设步骤S02获得的数据序列X＝(x₁,x₂,…,x_N)，选择聚类数目1<c<N，加权指数m≥1和终止容许误差ε>0；

a2：设置模糊划分矩阵即隶属度矩阵U＝[μ_ij]_c×N的初始值，并使其满足约束条件式(1)：

Σi=1cμij=1,μij∈[0,1],1≤j≤N---(1)]]>

a3：设定重复迭代次数l＝0,1,…，根据式(6)：

vi=Σj=1N(μij)mxjΣj=1N(μij)m---(6)]]>

更新聚类中心v_i；

a4：计算第i个聚类中心的协方差矩阵F_i：

Fi=Σj=1N(μij)m(xj-vj)(xj-vi)TΣj=1N(μij)m---(7)]]>

a5：利用步骤a4的协方差矩阵F_i，根据式(4)

Mi=det(Fi)1nFi-1---(4)]]>

计算矩阵M_i，然后根据式(3)

Dij2=||xj-vi||Mi2=(xj-vi)TMi(xj-vi)---(3)]]>

求取数据序列中数据点x_j到聚类中心v_i的距离范数

a6：根据步骤a5所得的距离范数利用式(5)

μij=1Σk=1c(Dij/Dkj)2/(m-1)---(5)]]>

更新模糊划分矩阵U；

a7：若满足模糊划分矩阵||U^(l+1)-U^(l)||＜ε，则运算终止，否则增加步骤a3的迭代次数，依次按照步骤a3-a7计算，直至满足条件；

上式中：N为样本的个数，c为聚类的数目，μ_ij为数据点相对于聚类中心的隶属度，为数据序列中数据点x_j到聚类中心v_i的距离，F_i为第i个聚类中心的协方差矩阵，m∈[1,∞)，为一个表征分类模糊程度的加权指数。