工业是产生大数据的重要源头,工业数据的分析有助于提高信息化和工业化的融合水平,实现数据智能分析,同时工业数据的处理也面临着诸多挑战。本文进行分析的工业数据是排污设备运行过程中的主要用电数据,包含数据集结构不规律、数据密度分布不均匀以及存在噪声点的问题。根据需求要采用人工智能的分析方法,通过对这些用电数据进行分析实现设备运行状态的划分,然而这些是无标签数据,无法进行分类,因此选择将其作为一个聚类任务进行实现。在对工业数据进行分析时大多会采用单一的聚类算法,但是每个算法的性能不同,针对的数据结构和密度分布也不同,并不能保证获得的数据划分结果是高质量的。为了有效的解决以上问题,在本文中设计了基于密度的选择性聚类集成方法,以实现数据集更为高效的分析划分。其中主要包含了以下的研究创新:首先在生成聚类成员阶段,使用DBSCAN、DPC以及OPTICS三种基于密度的弱聚类算法对数据集进行初始分析,经过多次参数预处理,得到质量较好的初步基聚类结果,以实现对任意结构、任意分布密度的数据集进行有效的划分;对于生成的协关联矩阵,为去除部分数据点对之间的相似度来排除噪声对划分结果的负面影响,通过设定阈值将频率较低的元素值进行多级删除得到多个重构矩阵,同时还根据路径问题设定了基于鲁棒性的极大极小相似度,通过分析数据点对之间路径中数据点的权重,更加准确的分析数据点对之间的相似度;此外,根据集群内数据点之间的紧密性以及集群之间的分离性,设计了基于鲁棒性的内部有效性指标,将使用凝聚式层次聚类方法对多个重构矩阵分析得到的多个划分结果进行分析选择,选择内部有效性指标值最小的成员划分结果作为最终的数据分析结果。本文以大气污染工况用电监控系统（PEMS）中的工业排污设备运行状态的分析判定为应用背景进行研究。在工业的生产发展过程中会产生很多污染物,并且根据规定需要通过排污设备进行治理,而对排污状况是否达标进行监控是十分重要的。本文提出并设计了基于鲁棒性的排污设备运行状况监测系统应用,应用内容主要由数据初始分析、数据结果一致性融合划分、最终结果标签的输出等几部分组成。基于聚类集成的思想,通过对数据集初始分析处理、将基聚类结果进行一致性融合以及通过基于鲁棒性的内部有效性指标选择最终输出结果等方法,由此得到质量更好的、准确性更高的数据划分结果。本文通过在多个数据集进行实验测试,并且与多个聚类集成方法进行效果的评估对比,证明了本文方法的先进性和有效性。通过将研究方法与工业数据集成到排污设备运行状况监测系统的应用中,能够让用户看到可视化的数据分析的结果标签,实现工业排污设备运行状态的有效监控,及时对工业的排污进行管控调整以实现排污达标。