论文部分内容阅读
在对液体火箭发动机试车数据进行聚类分析时，为解决故障数据样本与正常样本类间差异不大的问题，引入最大散度差准则，提出基于最大散度差的聚类算法MSD-CA。该算法以散度度量样本间的相似性，使样本的类内散度最小化和类间散度最大化同时进行。在此基础上，应用模糊理论对最大散度差准则进行模糊化，提出基于最大散度差的模糊聚类算法MSD-FCA，用于对试车样本进行“软划分”，以提高聚类的正确性。实验结果证明了MSD-FCA的有效性。