• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于DTW-kmedoids算法的時(shí)間序列數(shù)據(jù)異常檢測(cè)*

    2022-06-08 06:47:06宗文澤吳永明
    關(guān)鍵詞:中心點(diǎn)聚類閾值

    宗文澤,吳永明,,徐 計(jì),黎 旭,王 晨

    (貴州大學(xué) a.現(xiàn)代制造技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室;b.公共大數(shù)據(jù)國(guó)家重點(diǎn)實(shí)驗(yàn)室,貴陽(yáng) 550025)

    0 引言

    伴隨著大數(shù)據(jù)時(shí)代的到來(lái),醫(yī)學(xué)、生物、金融、工程和工業(yè)生產(chǎn)等領(lǐng)域產(chǎn)生了大量的具有明顯的時(shí)間順序性的數(shù)據(jù)[1-3]。尤其是生產(chǎn)的信息化和傳感器的普及,使越來(lái)越多的數(shù)據(jù)被實(shí)時(shí)記錄下來(lái),形成了時(shí)間序列數(shù)據(jù)。在時(shí)間序列數(shù)據(jù)中,異常數(shù)據(jù)往往攜帶著大量有用的信息,所以時(shí)間序列數(shù)據(jù)的異常檢測(cè)正在在當(dāng)今社會(huì)關(guān)注度越來(lái)越高。與此同時(shí),聚類算法作為機(jī)器學(xué)習(xí)算法的一個(gè)重要分支[4-6],不需要給數(shù)據(jù)打標(biāo)簽,不需要標(biāo)記實(shí)例[7],成為最適合處理時(shí)間序列數(shù)據(jù)的方法之一,得到廣泛研究和應(yīng)用。

    聚類算法一般可以用基于劃分、基于密度、基于層次等方式來(lái)進(jìn)行分類[8]。黃曉輝等[9]結(jié)合特征加權(quán)方法,提出了一種新的通過(guò)在子空間內(nèi)最大化簇中心與其他簇?cái)?shù)據(jù)對(duì)象的距離來(lái)融合簇內(nèi)和簇間距離進(jìn)行聚類的加權(quán)K-means方法(KICIC)來(lái)解決高維數(shù)據(jù)聚類問(wèn)題。秦佳睿等[10]提出一種自適應(yīng)選擇局部半徑的密度聚類算法(SALE-DBSCAN),通過(guò)確定密度峰值點(diǎn),自適應(yīng)選擇聚類的局部鄰域半徑,簡(jiǎn)化了參數(shù)選擇的過(guò)程;通過(guò)使用自適應(yīng)選擇的局部鄰域半徑擴(kuò)張密度峰值點(diǎn)的鄰域進(jìn)行聚類,提高了聚類結(jié)果質(zhì)量。季姜帥等[11]構(gòu)建了融合精英保留法與輪盤賭的選擇算子,并通過(guò)優(yōu)化適應(yīng)度函數(shù)和小生境策略保持種群多樣性,加快收斂速度,提升聚類精度。時(shí)間序列聚類已經(jīng)在時(shí)間序列挖掘領(lǐng)域引起了廣泛地關(guān)注。吳永明等[12]設(shè)計(jì)了一種基于改進(jìn)生長(zhǎng)神經(jīng)氣模型(GNG)的自適應(yīng)聚類模型,建立基于概率、范圍搜尋、節(jié)點(diǎn)平均距離的節(jié)點(diǎn)生成、刪除機(jī)制,實(shí)現(xiàn)對(duì)漂移數(shù)據(jù)實(shí)時(shí)監(jiān)控。EUN等[13]提出基于譜密度[14]以及全變分距離[15]的聚類方法,通過(guò)事件的相似振蕩行為構(gòu)建類簇,該方法直接對(duì)時(shí)間序列數(shù)據(jù)聚類,受事件的復(fù)雜結(jié)構(gòu)影響,聚類準(zhǔn)確率低。SANDER[16]將層次聚類算法應(yīng)用于時(shí)間序列的聚類上,并通過(guò)聚類有效性指標(biāo)表明得到了較好的聚類效果。對(duì)應(yīng)于曲線的極值的分區(qū)用于最終估計(jì)群集的數(shù)目,并提出了新的有效性指數(shù)來(lái)量化聚類質(zhì)量,獨(dú)立于聚類算法和強(qiáng)調(diào)聚類的幾何特征,有效地處理噪聲數(shù)據(jù)和任意形狀的聚類。

    綜上所述,本文對(duì)時(shí)間序列數(shù)據(jù)聚類進(jìn)行了深入研究,在現(xiàn)有的聚類算法中,通常直接對(duì)時(shí)間序列數(shù)據(jù)進(jìn)行聚類,采用歐式距離進(jìn)行劃分,沒(méi)有時(shí)間序列對(duì)齊的靈活性,無(wú)法對(duì)時(shí)間序列數(shù)據(jù)很好地聚類。因此本文綜合考慮事件的復(fù)雜結(jié)構(gòu)特征,提出一種基于DTW與K-medoids算法相結(jié)合的學(xué)習(xí)模型,通過(guò)引入時(shí)間動(dòng)態(tài)規(guī)整,提高聚類對(duì)動(dòng)態(tài)時(shí)間序列對(duì)齊的靈活性,使聚類適用于動(dòng)態(tài)時(shí)間序列數(shù)據(jù),同時(shí)構(gòu)建閾值機(jī)制實(shí)現(xiàn)對(duì)工業(yè)數(shù)據(jù)的監(jiān)督和預(yù)警。

    1 K-medoids算法理論

    傳統(tǒng)K-medoids聚類算法使用一個(gè)代價(jià)函數(shù)來(lái)評(píng)估聚類質(zhì)量的好壞,以重復(fù)迭代的方式尋找到最好的聚簇劃分及聚簇中心點(diǎn)。這里使用基于歐式距離的聚類誤差平方E來(lái)評(píng)估聚類結(jié)果質(zhì)量,定義如下:

    (1)

    式中,x為各個(gè)簇類Cj中的樣本;Oj為其聚類中心。

    K-medoids聚類算法步驟可描述如下:

    步驟1:從數(shù)據(jù)集中隨機(jī)選擇k個(gè)對(duì)象,作為初始的聚類中心點(diǎn);

    步驟2:根據(jù)與中心點(diǎn)距離的遠(yuǎn)近,將數(shù)據(jù)集中的其他非中心點(diǎn)對(duì)象分配到最近中心點(diǎn)所在的簇類;

    步驟3:重新計(jì)算每個(gè)簇的中心點(diǎn)位置,使其到該簇其他樣本的距離總和最??;

    步驟4:重復(fù)執(zhí)行步驟2和步驟3,直到聚類誤差平方和基本不變,達(dá)到指定要求為止。

    一般K-means聚類算法是通過(guò)計(jì)算簇類點(diǎn)的平均值來(lái)選取中心點(diǎn),其對(duì)孤立點(diǎn)敏感,選取的中心可能不存在。與K-means聚類算法不同的是,K-medoids聚類算法在迭代選取中心點(diǎn)時(shí),總是在中心點(diǎn)的周圍選擇樣本點(diǎn)作為新的中心點(diǎn),消除了對(duì)孤立點(diǎn)的敏感性。

    2 DTW-kmedoids聚類算法及閾值模型

    DTW-kmedoids聚類算法是K-medoids算法結(jié)合DTW的改進(jìn)。該算法利用了DTW距離可以反映樣本相似性的特性,以DTW距離為基礎(chǔ)構(gòu)建了聚類結(jié)果質(zhì)量的代價(jià)函數(shù)。

    2.1 DTW算法

    DTW最早由日本學(xué)者Itakura提出,是一種基于動(dòng)態(tài)規(guī)劃(DP)思想的動(dòng)態(tài)時(shí)間歸整算法。DTW可以實(shí)現(xiàn)不等長(zhǎng)時(shí)間序列的度量,還對(duì)時(shí)間序列的偏移、振幅變化等情況具有較強(qiáng)的魯棒性[17]。ROHIT等[18]指出,DTW特征與其他機(jī)器學(xué)習(xí)方法的結(jié)合使用,可以提高機(jī)器學(xué)習(xí)方法的性能。

    DTW的計(jì)算過(guò)程如下:測(cè)試模板第i幀Ti與參考模板第j幀Rj的失真度為d(i,j),設(shè)D(i,j)為測(cè)試模板匹配了i幀、參考模板匹配了j幀失真度。為了求取最終答案DTW(m,n),可以定義1個(gè)矩陣,矩陣的(i,j)位置包含d(i,j)和DTW(i,j)。對(duì)于規(guī)整路徑W={w1,w2,w3,...,wk},有:

    (2)

    式中,wi的約束條件有:

    (1)規(guī)整路徑滿足w1=(1,1),且wk=(m,n);

    (2)對(duì)于任意的1≤i

    (3)對(duì)于任意的1≤i

    (3)

    式中,DTW代表前面遍歷過(guò)的區(qū)域得到的最短距離;d代表前一個(gè)坐標(biāo)到該坐標(biāo)的距離。

    2.2 DTW-kmedoids算法

    本文采用了DTW距離代替歐式距離,形成了一種新的基于DTW的對(duì)聚類結(jié)果質(zhì)量的評(píng)估的代價(jià)函數(shù),其定義如下:

    (4)

    式中,x為各個(gè)簇類Cj中的樣本;Oj為其聚類中心。

    如圖1所示,DTW距離的對(duì)齊方式如圖1b所示,相比于歐氏距離如圖1a所示,更能夠體現(xiàn)時(shí)間序列數(shù)據(jù)特征點(diǎn)到對(duì)應(yīng)特征點(diǎn)的對(duì)應(yīng)關(guān)系,表現(xiàn)序列數(shù)據(jù)之間的相似性。DTW-kmedoids算法首先將樣本標(biāo)準(zhǔn)化,然后隨機(jī)選取k個(gè)樣本點(diǎn)作為中心點(diǎn)并計(jì)算其他點(diǎn)到中心點(diǎn)的DTW代價(jià)函數(shù)值,根據(jù)最小的代價(jià)函數(shù)將其余的樣本點(diǎn)歸類到中心點(diǎn)代表的簇,重新計(jì)算中心點(diǎn)的位置,對(duì)其他樣本點(diǎn)歸類,并計(jì)算新的中心點(diǎn)的代價(jià)函數(shù),留下代價(jià)值最小的中心點(diǎn),重復(fù)這個(gè)過(guò)程,直到代價(jià)函數(shù)值達(dá)到最小。它的具體算法如表1所示。

    (a) 歐式距離對(duì)齊 (b) DTW距離對(duì)齊圖1 歐氏距離和DTW距離的對(duì)齊模式

    表1 DTW-kmedoids算法

    2.3 閾值的確定

    閾值通過(guò)以下方法設(shè)定:將每個(gè)簇的中心設(shè)為Centeri(i=1,2,3),簇邊界設(shè)置于到中心的平均距離,閾值則確定于兩個(gè)簇的邊界之間,對(duì)于每一個(gè)數(shù)據(jù)維度,有上下兩個(gè)閾值:

    Hthreshold=

    (5)

    Lthreshold=

    (6)

    式中,ni(i=1,2,3)代表每個(gè)簇內(nèi)樣本數(shù)據(jù)量;aj代表樣本經(jīng)過(guò)預(yù)處理后的值。閾值可以用來(lái)確定正常數(shù)據(jù)的范圍,剩下的就是異常數(shù)據(jù)。

    2.4 評(píng)價(jià)指標(biāo)

    在聚類算法的評(píng)價(jià)中,引入了評(píng)價(jià)指標(biāo)輪廓系數(shù)。它的計(jì)算公式為:

    (7)

    式中,ai為樣本i到同簇其他樣本的平均距離。所有樣本的輪廓系數(shù)的平均值稱為聚類結(jié)果的平均輪廓系數(shù),是該聚類是否合理、有效的度量。當(dāng)平均輪廓系數(shù)接近1時(shí),簇內(nèi)緊湊,并遠(yuǎn)離其他簇。

    除了聚類評(píng)價(jià)指標(biāo)輪廓系數(shù),本文還引入了機(jī)器學(xué)習(xí)評(píng)價(jià)指標(biāo)檢測(cè)成功率TPR和誤報(bào)率FPR。

    (8)

    (9)

    式中,TP代表真正類,即樣本的真實(shí)狀態(tài)是異常狀態(tài),而且模型預(yù)測(cè)的結(jié)果也是異常狀態(tài);FP代表假正類,即樣本的真實(shí)狀態(tài)是正常狀態(tài),而且模型預(yù)測(cè)的結(jié)果是異常狀態(tài);TN代表真負(fù)類,即樣本的真實(shí)狀態(tài)是正常狀態(tài),而且模型預(yù)測(cè)結(jié)果也是正常狀態(tài);FN代表假負(fù)類,即樣本的真實(shí)狀態(tài)是異常狀態(tài),而且模型預(yù)測(cè)的結(jié)果正常狀態(tài)。TPR越高,說(shuō)明有越多的異常樣本被模型預(yù)測(cè)正確,模型的效果越好;FPR越低,說(shuō)明有越少的正常樣本被識(shí)別為異常樣本,模型的效果越好。

    2.5 模型流程

    基于DTW-kmedoids算法,本文構(gòu)建了對(duì)時(shí)間序列數(shù)據(jù)的異常檢測(cè)模型,如圖2所示。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,使數(shù)據(jù)歸一化;利用DTW-kmedoids對(duì)數(shù)據(jù)進(jìn)行聚類,得到聚類結(jié)果;對(duì)于聚類后的樣本,使用式(5)、式(6)的閾值進(jìn)行判定,大于Hthreshold或小于Lthreshold的判定為異常值。

    圖2 基于DTW-kmedoids的異常檢測(cè)模型

    3 實(shí)例驗(yàn)證

    3.1 實(shí)驗(yàn)數(shù)據(jù)及參數(shù)

    實(shí)驗(yàn)對(duì)象選擇的是貴陽(yáng)市某卷煙廠1個(gè)月內(nèi)31個(gè)批次煙葉加工過(guò)程中含水率的時(shí)間序列數(shù)據(jù)。煙葉含水率對(duì)煙葉后續(xù)加工質(zhì)量有著非常大的影響,煙葉含水率不足,會(huì)降低煙葉的耐加工性能,增加后續(xù)加工中的損耗。本文使用的是不同工藝后煙葉的含水率數(shù)據(jù),因?yàn)樯a(chǎn)工藝在理論上有先后的順序,因此將生產(chǎn)工藝數(shù)據(jù)看作時(shí)間序列數(shù)據(jù)。基于DTW的改進(jìn)K-medoids算法對(duì)具有時(shí)間序列的含水率數(shù)據(jù)進(jìn)行聚類和異常識(shí)別,為監(jiān)管者提供了良好的理論支持,數(shù)據(jù)指標(biāo)和數(shù)據(jù)如表2和表3所示。

    表2 時(shí)間序列含水率指標(biāo)

    表3 時(shí)間序列含水率數(shù)據(jù)

    表2反映了本次實(shí)驗(yàn)6個(gè)輸入指標(biāo),以及聚類評(píng)價(jià)指標(biāo)輪廓系數(shù)、異常檢測(cè)的檢測(cè)成功率和誤報(bào)率這兩個(gè)指標(biāo)。

    因?yàn)闀r(shí)間序列數(shù)據(jù)中有三種含水率狀態(tài):初始狀態(tài),異常狀態(tài),平穩(wěn)狀態(tài),所以本文設(shè)k=3。用聚類算法可以得到對(duì)應(yīng)的三類。采用了K-means算法,經(jīng)典K-medoids算法和DTW-kmedoids算法對(duì)以上數(shù)據(jù)進(jìn)行聚類。在聚類結(jié)果中,按比例縮放后,初始狀態(tài)樣本點(diǎn)與其自身質(zhì)心之間的所有距離都小于0.1,但它們與另外兩個(gè)狀態(tài)質(zhì)心的距離相對(duì)較大,即4.5~9.0。相反,處于平穩(wěn)狀態(tài)中所有樣本與初始狀態(tài)質(zhì)心之間的距離大于7.5,而到它們自己聚類中心的距離都小于0.12,這表明,處于初始狀態(tài)、異常狀態(tài)和平穩(wěn)運(yùn)行狀態(tài)的樣本明顯分布在三個(gè)不同的區(qū)域。三種圖案的樣本可以清晰地相互區(qū)分,為閾值區(qū)分奠定了基礎(chǔ)。

    在上述6個(gè)指標(biāo)中選取了3個(gè),首先對(duì)數(shù)據(jù)進(jìn)行了可視化處理,如圖3所示。

    圖3 時(shí)間序列含水率分布

    3.2 實(shí)驗(yàn)結(jié)果

    為了驗(yàn)證基于DTW-kmedoids的煙絲含水率控制模型的有效性和準(zhǔn)確性,選取了1043個(gè)樣本,其中包括314個(gè)初始狀態(tài)樣本,212個(gè)異常狀態(tài)樣本,517個(gè)平穩(wěn)狀態(tài)樣本。本次實(shí)驗(yàn)選取了指標(biāo)1、指標(biāo)2、指標(biāo)3三個(gè)輸入指標(biāo),以及聚類評(píng)價(jià)指標(biāo)輪廓系數(shù)、異常檢測(cè)的檢測(cè)成功率和誤報(bào)率這兩個(gè)指標(biāo)。首先分別采用了K-means算法,經(jīng)典K-medoids算法和DTW-kmedoids算法進(jìn)行聚類,根據(jù)聚類效果建立對(duì)應(yīng)的閾值對(duì)數(shù)據(jù)進(jìn)行劃分,如果樣本不屬于初始狀態(tài),也不屬于平穩(wěn)狀態(tài),則相應(yīng)的測(cè)試樣本被視需要控制的樣本;否則,它將被視為正常樣本。聚類結(jié)果如圖4所示。

    (a) DTW-kmedoids聚類結(jié)果 (b) K-means聚類結(jié)果

    (c) 傳統(tǒng)K-medoids聚類結(jié)果圖4 聚類結(jié)果

    圖4可以明顯看到煙絲含水率數(shù)據(jù)聚集于初始狀態(tài)和平穩(wěn)狀態(tài),而中間較為離散的數(shù)據(jù)正處于異常狀態(tài)。根據(jù)圖4aDTW-kmedoids算法的聚類結(jié)果,可以看到這些數(shù)據(jù)清晰地聚為3類。圖4b中K-means算法將一部分平穩(wěn)狀態(tài)樣本識(shí)別為異常樣本,這是因?yàn)楫惓顟B(tài)的均值中心偏離,導(dǎo)致相似度較高的樣本被不同的中心點(diǎn)俘獲。圖4c中傳統(tǒng)K-medoids算法區(qū)分出了平穩(wěn)狀態(tài),但是未能根據(jù)時(shí)間相似性區(qū)分初始狀態(tài)和異常狀態(tài),導(dǎo)致某時(shí)間段內(nèi)樣本被分為兩部分。

    對(duì)聚類樣本求輪廓系數(shù),結(jié)果如圖5所示。

    (a) DTW-kmedoids輪廓系數(shù) (b) K-means輪廓系數(shù)

    (c) 傳統(tǒng)K-medoids輪廓系數(shù)圖5 輪廓系數(shù)

    圖5a為DTW-kmedoids聚類結(jié)果的輪廓系數(shù)圖,正數(shù)較多,平均值更接近1;圖5b和圖5c分別為K-means和傳統(tǒng)K-medois算法聚類結(jié)果輪廓系數(shù)圖,負(fù)數(shù)相對(duì)較多,平均值較小??傻帽疚奶岢龅腄TW-kmedoids算法相對(duì)于K-means算法和傳統(tǒng)K-medoids算法比較有較明顯提升。這說(shuō)明,DTW-kmedoids算法能在增大類間距離的同時(shí),有效地減小類內(nèi)距離。

    根據(jù)式(5)、式(6),得到的閾值模型如圖6所示。

    (a) DTW-kmedoids獲得的閾值 (b) K-means獲得的閾值

    (c) 傳統(tǒng)K-medoids獲得的閾值圖6 不同聚類算法獲得的閾值

    圖6中,對(duì)于初始狀態(tài)的3個(gè)指標(biāo),各有兩個(gè)閾值進(jìn)行識(shí)別,6個(gè)閾值代表的面圍成了長(zhǎng)方體,長(zhǎng)方體內(nèi)部的數(shù)據(jù)代表識(shí)別為初始狀態(tài);平穩(wěn)狀態(tài)亦然。得益于DTW-kmedoids算法優(yōu)秀的聚類效果,圖6a中的閾值可以很好地識(shí)別出數(shù)據(jù)的初始狀態(tài)和平穩(wěn)狀態(tài),而剩下的就是異常數(shù)據(jù)。圖6b中代表平穩(wěn)狀態(tài)閾值的長(zhǎng)方體較小,導(dǎo)致K-means算法異常識(shí)別誤報(bào)率較高。圖6c中傳統(tǒng)K-medoids算法未能準(zhǔn)確區(qū)分初始狀態(tài)和異常狀態(tài),導(dǎo)致初始狀態(tài)閾值長(zhǎng)方體偏離初始狀態(tài)數(shù)據(jù)簇類,進(jìn)而使識(shí)別準(zhǔn)確率不足。

    除了上述實(shí)驗(yàn),本文還使用了全部指標(biāo)進(jìn)行了實(shí)驗(yàn)Ⅱ,表4~表6是實(shí)驗(yàn)Ⅱ的聚類結(jié)果,A為平穩(wěn)狀態(tài),B為異常狀態(tài),C為初始狀態(tài)。

    表4 DTW-kmedoids聚類結(jié)果

    表5 K-means聚類結(jié)果

    表6 傳統(tǒng)K-medoids聚類結(jié)果

    對(duì)實(shí)驗(yàn)Ⅱ聚類樣本求輪廓系數(shù),結(jié)果如圖7所示。

    (a) 六維數(shù)據(jù)DTW-kmedoids輪廓系數(shù) (b) 六維數(shù)據(jù)K-means輪廓系數(shù)

    (c) 六維數(shù)據(jù)K-medoids輪廓系數(shù)圖7 實(shí)驗(yàn)Ⅱ得到的輪廓系數(shù)

    圖7a為DTW-kmedoids聚類結(jié)果的輪廓系數(shù)圖,圖7b和圖7c分別為K-means和傳統(tǒng)K-medoids算法聚類結(jié)果輪廓系數(shù)圖。依然可以看出本文提出的DTW-kmedoids算法相對(duì)于K-means算法和傳統(tǒng)K-medoids算法比較有較明顯提升。再次說(shuō)明,DTW-kmedoids算法能在增大類間距離的同時(shí),有效地減小類內(nèi)距離。上述兩個(gè)實(shí)驗(yàn)均能表明,基于DTW-kmedoids算法可以對(duì)時(shí)間序列數(shù)據(jù)有效地進(jìn)行聚類。表7是實(shí)驗(yàn)Ⅱ得到的閾值。

    表7 不同算法得到的閾值

    結(jié)合這兩個(gè)實(shí)驗(yàn),得到了異常識(shí)別準(zhǔn)確率的對(duì)比,結(jié)果如表8所示。

    表8 異常識(shí)別準(zhǔn)確率對(duì)比

    根據(jù)表8,基于DTW-kmedoids算法的模型識(shí)別率可以達(dá)到最高,誤報(bào)率最低。3種方法表明,基于DTW-kmedoids算法得到的閾值效果最優(yōu),對(duì)異常值的判斷最為準(zhǔn)確,進(jìn)而說(shuō)明了該方法能夠在克服煙絲加工工藝對(duì)濕度影響的前提下提取和區(qū)分煙絲特征。因此,基于DTW-kmedoids算法的模型足以識(shí)別異常樣本。在異常樣本出現(xiàn)時(shí),可以及時(shí)調(diào)整生產(chǎn)工藝,減少異常,降低煙葉含水率不足對(duì)后續(xù)加工的影響。

    4 結(jié)論

    本文針對(duì)現(xiàn)有基于聚類算法的時(shí)序數(shù)據(jù)異常檢測(cè)進(jìn)行了分析和研究,提出了一種基于改進(jìn)K-medoids算法(DTW-kmedoids)的時(shí)間序列數(shù)據(jù)異常檢測(cè)模型。以卷煙廠的時(shí)序數(shù)據(jù)為實(shí)驗(yàn)對(duì)象,通過(guò)對(duì)具有時(shí)間序列特性的煙絲含水率數(shù)據(jù)進(jìn)行聚類分析,并以K-means算法、傳統(tǒng)K-medoids算法為參照進(jìn)行了實(shí)驗(yàn)對(duì)比。結(jié)果表明,本文提出的基于DTW-kmedoids的模型在跟蹤與監(jiān)督煙絲含水率異常檢測(cè)方面更具有優(yōu)勢(shì),能有效完成工業(yè)生產(chǎn)中對(duì)時(shí)間序列數(shù)據(jù)的監(jiān)督,并能夠提高時(shí)間序列異常數(shù)據(jù)檢測(cè)的有效性和精確性,進(jìn)而為工廠管理者提供理論技術(shù)支持。

    猜你喜歡
    中心點(diǎn)聚類閾值
    Scratch 3.9更新了什么?
    小波閾值去噪在深小孔鉆削聲發(fā)射信號(hào)處理中的應(yīng)用
    如何設(shè)置造型中心點(diǎn)?
    電腦報(bào)(2019年4期)2019-09-10 07:22:44
    基于自適應(yīng)閾值和連通域的隧道裂縫提取
    基于DBSACN聚類算法的XML文檔聚類
    比值遙感蝕變信息提取及閾值確定(插圖)
    河北遙感(2017年2期)2017-08-07 14:49:00
    室內(nèi)表面平均氡析出率閾值探討
    漢字藝術(shù)結(jié)構(gòu)解析(二)中心點(diǎn)處筆畫應(yīng)緊奏
    基于改進(jìn)的遺傳算法的模糊聚類算法
    尋找視覺(jué)中心點(diǎn)
    大眾攝影(2015年9期)2015-09-06 17:05:41
    91av网一区二区| 国产日本99.免费观看| 少妇裸体淫交视频免费看高清| 亚洲成人中文字幕在线播放| 日本-黄色视频高清免费观看| 欧美高清性xxxxhd video| 国产精品伦人一区二区| 日韩av在线大香蕉| 高清日韩中文字幕在线| 日本五十路高清| 成人毛片a级毛片在线播放| 看十八女毛片水多多多| 在线播放无遮挡| 中文在线观看免费www的网站| 夜夜夜夜夜久久久久| 国产精品一区www在线观看| 欧美xxxx黑人xx丫x性爽| 黄色视频,在线免费观看| 国产蜜桃级精品一区二区三区| 男女啪啪激烈高潮av片| 少妇高潮的动态图| 精品少妇黑人巨大在线播放 | 悠悠久久av| 白带黄色成豆腐渣| 少妇熟女aⅴ在线视频| 国产精品人妻久久久久久| 国产乱人偷精品视频| 国产精品久久电影中文字幕| 亚洲国产精品久久男人天堂| 亚洲国产精品成人久久小说 | 国产成年人精品一区二区| 婷婷精品国产亚洲av在线| 午夜福利在线观看免费完整高清在 | 午夜福利在线在线| 日本-黄色视频高清免费观看| 精品福利观看| 久久鲁丝午夜福利片| 两性午夜刺激爽爽歪歪视频在线观看| 人妻丰满熟妇av一区二区三区| 高清毛片免费看| 亚洲图色成人| 久久久国产成人精品二区| 国产片特级美女逼逼视频| 最后的刺客免费高清国语| 国产精品久久视频播放| 最近中文字幕高清免费大全6| 丰满乱子伦码专区| 听说在线观看完整版免费高清| 露出奶头的视频| 乱人视频在线观看| 国产精品国产三级国产av玫瑰| 一a级毛片在线观看| 3wmmmm亚洲av在线观看| 亚洲精品一区av在线观看| 久久精品人妻少妇| 亚洲一区二区三区色噜噜| 亚洲电影在线观看av| 波野结衣二区三区在线| 黄色日韩在线| 一个人看的www免费观看视频| 欧美不卡视频在线免费观看| 中文字幕av成人在线电影| 亚洲精品一区av在线观看| 99热只有精品国产| 中文字幕熟女人妻在线| 最近中文字幕高清免费大全6| 黄色视频,在线免费观看| 美女xxoo啪啪120秒动态图| 舔av片在线| 偷拍熟女少妇极品色| 我要看日韩黄色一级片| 激情 狠狠 欧美| 俄罗斯特黄特色一大片| 欧美性感艳星| 免费观看人在逋| 久久综合国产亚洲精品| 欧美一区二区亚洲| 日日干狠狠操夜夜爽| 美女xxoo啪啪120秒动态图| 国产高清激情床上av| 久久久成人免费电影| 草草在线视频免费看| 黄片wwwwww| 在线观看一区二区三区| 免费av毛片视频| 3wmmmm亚洲av在线观看| 久久精品久久久久久噜噜老黄 | 99热全是精品| 91精品国产九色| 亚洲美女搞黄在线观看 | 国产高清视频在线播放一区| 91久久精品电影网| 国产精品久久久久久亚洲av鲁大| 少妇人妻一区二区三区视频| 国内揄拍国产精品人妻在线| 国产精品,欧美在线| 在线免费观看的www视频| 99热网站在线观看| 男女啪啪激烈高潮av片| 男女那种视频在线观看| 成人鲁丝片一二三区免费| 国产亚洲av嫩草精品影院| 六月丁香七月| 亚州av有码| 波多野结衣高清作品| 麻豆国产97在线/欧美| 乱人视频在线观看| 99久久无色码亚洲精品果冻| 最近手机中文字幕大全| 乱系列少妇在线播放| 少妇熟女欧美另类| 特大巨黑吊av在线直播| 久久久国产成人免费| 美女 人体艺术 gogo| 女的被弄到高潮叫床怎么办| 亚洲av一区综合| 观看美女的网站| 久久天躁狠狠躁夜夜2o2o| 男人的好看免费观看在线视频| 国产精品嫩草影院av在线观看| aaaaa片日本免费| 内地一区二区视频在线| 免费观看精品视频网站| 国产亚洲精品av在线| 搞女人的毛片| 国产亚洲精品久久久久久毛片| 国产熟女欧美一区二区| 神马国产精品三级电影在线观看| 精品国产三级普通话版| 久久久久久久久大av| 日韩制服骚丝袜av| 亚洲熟妇熟女久久| av在线天堂中文字幕| 国产成人a∨麻豆精品| 99久国产av精品国产电影| 久久99热6这里只有精品| 亚洲美女搞黄在线观看 | 久久欧美精品欧美久久欧美| 国产男靠女视频免费网站| 神马国产精品三级电影在线观看| 热99在线观看视频| 精品午夜福利在线看| 嫩草影院新地址| 可以在线观看的亚洲视频| 99热这里只有是精品在线观看| 久久精品国产亚洲av天美| 国产在线精品亚洲第一网站| 日日摸夜夜添夜夜添av毛片| 国产白丝娇喘喷水9色精品| 免费在线观看影片大全网站| 日本五十路高清| 丰满的人妻完整版| 亚洲国产欧洲综合997久久,| 校园人妻丝袜中文字幕| 欧美成人一区二区免费高清观看| 亚洲成人久久爱视频| 九九爱精品视频在线观看| 啦啦啦韩国在线观看视频| 少妇的逼水好多| 国产白丝娇喘喷水9色精品| 大型黄色视频在线免费观看| 久久亚洲精品不卡| 日本 av在线| av在线天堂中文字幕| 给我免费播放毛片高清在线观看| 成人二区视频| 欧美最黄视频在线播放免费| 国内精品一区二区在线观看| 我的老师免费观看完整版| 午夜福利18| 国产国拍精品亚洲av在线观看| 校园人妻丝袜中文字幕| 亚洲四区av| 国产v大片淫在线免费观看| 一本精品99久久精品77| 久久亚洲国产成人精品v| 如何舔出高潮| 极品教师在线视频| 亚洲av成人精品一区久久| 久久亚洲国产成人精品v| 不卡一级毛片| 老熟妇仑乱视频hdxx| 欧美三级亚洲精品| 悠悠久久av| 亚洲电影在线观看av| 国产不卡一卡二| 日韩强制内射视频| 国内精品宾馆在线| 啦啦啦啦在线视频资源| 国产大屁股一区二区在线视频| 免费av观看视频| 国产熟女欧美一区二区| 久久精品国产自在天天线| 国产一区亚洲一区在线观看| 免费看美女性在线毛片视频| 国产片特级美女逼逼视频| 成年女人毛片免费观看观看9| 99热精品在线国产| 成年版毛片免费区| 日本免费一区二区三区高清不卡| 久久亚洲精品不卡| 我要搜黄色片| 最后的刺客免费高清国语| 国产亚洲精品久久久com| 精品一区二区三区视频在线| 精品99又大又爽又粗少妇毛片| 久久亚洲国产成人精品v| 国产女主播在线喷水免费视频网站 | 91在线观看av| 大香蕉久久网| ponron亚洲| 国产精品人妻久久久影院| 亚洲欧美日韩卡通动漫| 国产中年淑女户外野战色| 久久久久久久久久久丰满| 国产亚洲精品av在线| 永久网站在线| 深夜a级毛片| 丰满乱子伦码专区| 男人的好看免费观看在线视频| 亚洲av不卡在线观看| 成人一区二区视频在线观看| 日本黄色视频三级网站网址| 欧美bdsm另类| 最近中文字幕高清免费大全6| 男人和女人高潮做爰伦理| 久久精品国产鲁丝片午夜精品| 久久久欧美国产精品| 久久精品91蜜桃| 亚洲欧美成人综合另类久久久 | 久久亚洲国产成人精品v| 九九在线视频观看精品| 亚洲精品日韩av片在线观看| 91久久精品国产一区二区三区| 99久久精品国产国产毛片| 国产综合懂色| 亚洲经典国产精华液单| eeuss影院久久| 成人特级av手机在线观看| 最近的中文字幕免费完整| 美女被艹到高潮喷水动态| 插逼视频在线观看| 丰满人妻一区二区三区视频av| 亚洲最大成人手机在线| 99热这里只有是精品50| 人妻夜夜爽99麻豆av| 亚洲国产欧美人成| 亚洲精品影视一区二区三区av| 国产乱人偷精品视频| 人妻制服诱惑在线中文字幕| 国产爱豆传媒在线观看| 免费不卡的大黄色大毛片视频在线观看 | 最新中文字幕久久久久| а√天堂www在线а√下载| 人妻少妇偷人精品九色| 男女那种视频在线观看| 看十八女毛片水多多多| 午夜福利18| 99九九线精品视频在线观看视频| av女优亚洲男人天堂| 老女人水多毛片| 在线观看免费视频日本深夜| 久久精品国产亚洲av香蕉五月| 一区二区三区四区激情视频 | 国产美女午夜福利| 国产精品一区二区免费欧美| 又黄又爽又免费观看的视频| 天天躁夜夜躁狠狠久久av| 亚洲精品色激情综合| 精品久久久久久久末码| 精品久久久久久久久久久久久| 免费无遮挡裸体视频| 国产一区二区三区av在线 | 国国产精品蜜臀av免费| 亚洲最大成人手机在线| 久久人妻av系列| 一个人看的www免费观看视频| 男人舔女人下体高潮全视频| 少妇裸体淫交视频免费看高清| 亚洲成a人片在线一区二区| 在线播放无遮挡| 91午夜精品亚洲一区二区三区| 成人特级av手机在线观看| 日本撒尿小便嘘嘘汇集6| 在线播放无遮挡| 男人舔奶头视频| 久久久久久国产a免费观看| 乱系列少妇在线播放| 91久久精品国产一区二区成人| 久久久久性生活片| 亚洲成av人片在线播放无| 91久久精品电影网| 免费高清视频大片| 在线免费十八禁| 国内久久婷婷六月综合欲色啪| 国产精品国产高清国产av| 欧美日韩在线观看h| 一级毛片久久久久久久久女| 国产视频内射| 国产精品人妻久久久久久| 亚洲av中文av极速乱| 乱人视频在线观看| 欧美丝袜亚洲另类| 午夜免费男女啪啪视频观看 | 最近2019中文字幕mv第一页| 大又大粗又爽又黄少妇毛片口| 欧美+亚洲+日韩+国产| 国产精品精品国产色婷婷| 国产精品伦人一区二区| 亚洲经典国产精华液单| 我的女老师完整版在线观看| 亚洲欧美日韩高清专用| 麻豆一二三区av精品| 97碰自拍视频| 久久人人爽人人爽人人片va| 可以在线观看的亚洲视频| 中文字幕av在线有码专区| 亚洲成人av在线免费| 国产一区二区在线观看日韩| 欧美zozozo另类| 亚洲一区高清亚洲精品| 国产伦在线观看视频一区| 亚洲精品成人久久久久久| 天天躁日日操中文字幕| 亚洲第一电影网av| 精品熟女少妇av免费看| 国产黄a三级三级三级人| 日本撒尿小便嘘嘘汇集6| 国产伦一二天堂av在线观看| 午夜影院日韩av| 91在线精品国自产拍蜜月| 久久99热6这里只有精品| 欧美激情久久久久久爽电影| 久久精品久久久久久噜噜老黄 | 中国美白少妇内射xxxbb| 91av网一区二区| 亚洲婷婷狠狠爱综合网| 久久久a久久爽久久v久久| 日韩欧美 国产精品| 国产一区二区三区在线臀色熟女| 麻豆乱淫一区二区| 欧美不卡视频在线免费观看| 丰满的人妻完整版| 给我免费播放毛片高清在线观看| 国产精品电影一区二区三区| 久久久午夜欧美精品| 日韩成人av中文字幕在线观看 | 亚洲成人久久性| 国产一区二区亚洲精品在线观看| 能在线免费观看的黄片| 亚洲性久久影院| 五月伊人婷婷丁香| 国产精品久久视频播放| 天堂影院成人在线观看| 日本-黄色视频高清免费观看| 长腿黑丝高跟| 国产日本99.免费观看| 黄色一级大片看看| 丰满的人妻完整版| 麻豆国产av国片精品| 国产免费男女视频| 少妇人妻一区二区三区视频| 亚洲婷婷狠狠爱综合网| 国产成人a区在线观看| 欧美一区二区精品小视频在线| 日韩强制内射视频| 精品99又大又爽又粗少妇毛片| 悠悠久久av| 少妇裸体淫交视频免费看高清| 尤物成人国产欧美一区二区三区| 1000部很黄的大片| 成年女人永久免费观看视频| 最近的中文字幕免费完整| 搞女人的毛片| 国产蜜桃级精品一区二区三区| 亚洲国产色片| 特级一级黄色大片| 香蕉av资源在线| 韩国av在线不卡| 人人妻人人澡人人爽人人夜夜 | 日本免费一区二区三区高清不卡| 中文字幕熟女人妻在线| 亚洲欧美精品综合久久99| 精品一区二区三区人妻视频| 亚洲国产欧美人成| 亚洲精品乱码久久久v下载方式| 国产老妇女一区| 亚洲国产欧洲综合997久久,| 免费看av在线观看网站| 婷婷亚洲欧美| 国产精品一区二区三区四区久久| 精品人妻熟女av久视频| 又黄又爽又免费观看的视频| 日韩制服骚丝袜av| 韩国av在线不卡| 看十八女毛片水多多多| 长腿黑丝高跟| 国产精品久久久久久久久免| 日本-黄色视频高清免费观看| 美女xxoo啪啪120秒动态图| 亚洲天堂国产精品一区在线| 又粗又爽又猛毛片免费看| 69av精品久久久久久| 乱码一卡2卡4卡精品| 又粗又爽又猛毛片免费看| av卡一久久| 赤兔流量卡办理| 色吧在线观看| 国产日本99.免费观看| 国产精品乱码一区二三区的特点| 91麻豆精品激情在线观看国产| 日本撒尿小便嘘嘘汇集6| 婷婷精品国产亚洲av| 国产一区二区亚洲精品在线观看| 亚洲不卡免费看| 日韩一本色道免费dvd| 日日干狠狠操夜夜爽| 美女被艹到高潮喷水动态| 最新中文字幕久久久久| 国产欧美日韩一区二区精品| 又黄又爽又免费观看的视频| 深夜精品福利| 校园春色视频在线观看| 日韩欧美 国产精品| 日日干狠狠操夜夜爽| 成人精品一区二区免费| 国产日本99.免费观看| 不卡一级毛片| 99国产精品一区二区蜜桃av| 在线国产一区二区在线| 丰满人妻一区二区三区视频av| 蜜桃亚洲精品一区二区三区| 免费在线观看影片大全网站| 女人十人毛片免费观看3o分钟| 国产探花在线观看一区二区| 91av网一区二区| 亚洲欧美中文字幕日韩二区| h日本视频在线播放| 国国产精品蜜臀av免费| 中文字幕人妻熟人妻熟丝袜美| 午夜福利在线在线| 男插女下体视频免费在线播放| 欧美+日韩+精品| 日本黄大片高清| 婷婷色综合大香蕉| 亚洲欧美中文字幕日韩二区| 亚洲av二区三区四区| 中文字幕熟女人妻在线| 色尼玛亚洲综合影院| 成人毛片a级毛片在线播放| 久久6这里有精品| 免费人成在线观看视频色| 色综合亚洲欧美另类图片| 美女高潮的动态| 悠悠久久av| 性插视频无遮挡在线免费观看| 精品久久久久久久人妻蜜臀av| 久久这里只有精品中国| 麻豆国产av国片精品| 亚洲精品一卡2卡三卡4卡5卡| 亚洲性夜色夜夜综合| 99热这里只有是精品50| eeuss影院久久| 国产麻豆成人av免费视频| 欧美区成人在线视频| 搡老妇女老女人老熟妇| 观看免费一级毛片| av国产免费在线观看| 乱系列少妇在线播放| 国产视频一区二区在线看| 国产高清有码在线观看视频| 18+在线观看网站| 国产高清视频在线观看网站| 免费黄网站久久成人精品| 神马国产精品三级电影在线观看| 成人无遮挡网站| 久久久久久久久久成人| 国产高清视频在线观看网站| 91精品国产九色| 久久精品人妻少妇| 99久久精品国产国产毛片| 日韩一区二区视频免费看| 99热网站在线观看| 免费看av在线观看网站| 午夜福利高清视频| 中国美女看黄片| 内射极品少妇av片p| 露出奶头的视频| 老女人水多毛片| 精华霜和精华液先用哪个| 日韩 亚洲 欧美在线| 欧美三级亚洲精品| av卡一久久| 伦精品一区二区三区| 有码 亚洲区| 国产高清三级在线| 亚洲成人中文字幕在线播放| 在线免费观看不下载黄p国产| 亚洲精品一卡2卡三卡4卡5卡| 少妇裸体淫交视频免费看高清| 国内精品久久久久精免费| 搡女人真爽免费视频火全软件 | av在线老鸭窝| 国产蜜桃级精品一区二区三区| 蜜桃亚洲精品一区二区三区| 久久久午夜欧美精品| 别揉我奶头~嗯~啊~动态视频| 亚洲第一区二区三区不卡| 久久天躁狠狠躁夜夜2o2o| 亚洲欧美日韩东京热| 欧美一区二区亚洲| 看片在线看免费视频| 精品午夜福利在线看| 精品人妻一区二区三区麻豆 | 亚洲七黄色美女视频| 91在线观看av| 国产一区二区亚洲精品在线观看| 丝袜喷水一区| 久久精品国产亚洲av香蕉五月| 欧美国产日韩亚洲一区| 91av网一区二区| 美女高潮的动态| 久久精品人妻少妇| 人妻少妇偷人精品九色| 人妻夜夜爽99麻豆av| 国产亚洲精品久久久com| 国产高清不卡午夜福利| 色播亚洲综合网| 日韩精品中文字幕看吧| 天美传媒精品一区二区| 国产免费男女视频| 日韩强制内射视频| 人人妻人人看人人澡| 露出奶头的视频| 大又大粗又爽又黄少妇毛片口| 日本精品一区二区三区蜜桃| 真实男女啪啪啪动态图| 菩萨蛮人人尽说江南好唐韦庄 | 一级黄色大片毛片| 午夜福利在线观看吧| 人人妻人人澡人人爽人人夜夜 | 波多野结衣高清作品| 乱码一卡2卡4卡精品| 丰满人妻一区二区三区视频av| 午夜精品国产一区二区电影 | 看黄色毛片网站| 色在线成人网| 日日摸夜夜添夜夜爱| 高清毛片免费看| 亚洲中文字幕一区二区三区有码在线看| 免费大片18禁| 天堂网av新在线| 在线免费观看的www视频| 观看免费一级毛片| 丰满的人妻完整版| 精品久久久久久久久久久久久| 久久久久久久久大av| 久久久久久久久久久丰满| 亚洲综合色惰| 成人美女网站在线观看视频| 久久精品影院6| 看黄色毛片网站| 波多野结衣高清无吗| 国产黄色视频一区二区在线观看 | 可以在线观看的亚洲视频| 亚洲第一区二区三区不卡| 日韩亚洲欧美综合| 日本免费一区二区三区高清不卡| 亚洲成人久久爱视频| 12—13女人毛片做爰片一| 简卡轻食公司| 久久欧美精品欧美久久欧美| 少妇人妻精品综合一区二区 | 伊人久久精品亚洲午夜| 免费搜索国产男女视频| 免费av不卡在线播放| 美女cb高潮喷水在线观看| 日本黄大片高清| 国产片特级美女逼逼视频| 久久精品人妻少妇| 国产亚洲欧美98| 欧美日韩精品成人综合77777| 午夜精品国产一区二区电影 | 成熟少妇高潮喷水视频| 精品久久久久久久久亚洲| 欧美极品一区二区三区四区| 精品国产三级普通话版| 久久精品国产鲁丝片午夜精品| 亚洲av.av天堂| 亚洲在线观看片| 哪里可以看免费的av片| 麻豆一二三区av精品| 深爱激情五月婷婷| 又黄又爽又免费观看的视频| 性插视频无遮挡在线免费观看| 波野结衣二区三区在线| 99久国产av精品国产电影| 国产精品综合久久久久久久免费| 51国产日韩欧美| 最好的美女福利视频网| 免费看日本二区| 亚洲美女视频黄频| 又黄又爽又刺激的免费视频.| 亚洲内射少妇av| 波多野结衣巨乳人妻| 免费大片18禁| 波野结衣二区三区在线| 毛片女人毛片| 精品人妻偷拍中文字幕| 国产精品一二三区在线看| 国产精品无大码| 精品99又大又爽又粗少妇毛片| 久久中文看片网| 国产欧美日韩精品一区二区| 俄罗斯特黄特色一大片|