خوشه بندی و کاهش بعد آنلاین جریان داده های همبسته خطی با بعد بالا

تقریب سیستم های غیرخطی با مدلهای خطی محلی به دلیل سادگی تحلیل و ابزار ریاضی قوی موجود در سیستمهای خطی می تواند تحلیل و طراحی کنترل کننده برای سیستمهای پیچیده غیرخطی را آسان نماید. از طرفی در سالهای اخیر با توجه به پیشرفت تکنولوژی ساخت حسگرها و امکان ذخیره سازی داده ها، جمع آوری داده های سیستم ها با کمک شبکه های حسگری بسیار متداول شده است. مدلسازی داده محور سیستمها یکی از راهکارهای کاربردی جهت پرهیز از مدلهای پیچیده غیرخطی می باشد. همچنین در بسیاری از سیستمها صرف نظر کردن از ماهیت تغییرپذیر با زمان سیستم می تواند منجر به خطاهای غیرقابل اغماض گردد لذا تخمین آنلاین زیر سی ستمهای یک سی ستم غیر خطی می تواند حایز اهمیت با شد. در این مقاله روش خو شه بندی آنلاین جدیدی ارایه شده است که هیچ نیازی به دانستن اطلاعات اولیه از جریان داده ها ندارد. این روش منجر به خوشه بندی آنلاین زیر سیستمهای همبسته خطی با همبستگی متغیر با زمان موازی با امکان کاهش بعد موثر داده ها در هر زیر سیستم می گردد. خوشه بندی بر اساس روش تحلیل جز اصلی آنلاین تعمیم یافته (OEX-PCA1) می باشد و معیار عدم شباهت جدید برای داده ها بر اساس استراتژی MIN-MAX تعریف شده است. به جای تعریف یک آستانه ثابت برای تخصیص داده ها به هر خوشه، آستانه تطییقی وابسته به جمعیت لحظه ای خو شه به منظور غلبه بر خطای فاز گذرای همگرایی الگوریتم OEX-PCA ارایه شده ا ست. نتایج شبیه سازی در مثال شهودی و مقای سه روش آنلاین پی شنهادی با روش خو شه بندی خارج خط K-means 2 و روش خو شه بندی خارج خط مبتنی بر تحلیل جز اصلی داده ها حکایت از دقت و قابلیت روش خوشه بندی ارایه شده دارد.

کلیدواژه ها:

خوشه بندی آنلاین ، روش تحلیل جز اصلی آنلاین تعمیم یافته ، معیار عدم شباهت داده ها ، آستانه تطبیقی.