10.3969/j.issn.2095-2163.2020.09.016
基于高斯核层次聚类的汽车工况构建
现有的车况构建主要采用K-means方法对运动学片段进行聚类,该方法需要通过经验确定聚类的个数,然而人工经验在数据量大和情况复杂时很容易带来误差.因此,本文在对不良数据进行处理、定义怠慢区并对运动学片段进行分割之后,构建基于高斯核的层次聚类算法,对片段进行聚类后确定构建工况的候选集,以解决这个难题.本文还引入统计特征、形状特征、熵特征等共14个运动学片段,作为聚类运动学片段的有效特征.根据运动学片段类别及时间比例,构建了1300 s的工况图.实验结果表明,本文构建的工况图具一定的有效性和实用性.
汽车工况构建、层次聚类、高斯核、核方法
10
TP183(自动化基础理论)
2021-03-23(万方平台首次上网日期,不代表论文的发表时间)
共4页
65-68