基于模糊聚類算法的工業(yè)智能應(yīng)用平臺(tái)信息自動(dòng)分類系統(tǒng)設(shè)計(jì)

徐 東，王 雷，侍守創(chuàng)

（1.工業(yè)互聯(lián)網(wǎng)創(chuàng)新中心（上海）有限公司，上海 200120；2.江蘇杰瑞信息科技有限公司，江蘇連云港 222000）

越來越多的發(fā)達(dá)國家開始采用工業(yè)智能應(yīng)用平臺(tái)靈活部署工業(yè)布局[1]，為企業(yè)提供跨區(qū)域的工業(yè)信息化服務(wù)。在工業(yè)智能應(yīng)用平臺(tái)中，通常采用基于內(nèi)容的文本自動(dòng)分類方法，不僅可以節(jié)省大量的時(shí)間和人力資源，提高信息分類的效率和準(zhǔn)確性，而且克服了手工整理效果不佳的問題。

以往分類系統(tǒng)都是采用已有的指數(shù)經(jīng)驗(yàn)數(shù)據(jù)。例如文獻(xiàn)[2]建立了知識(shí)庫，實(shí)現(xiàn)了基于關(guān)鍵詞的自動(dòng)分詞和分類。該方法的缺點(diǎn)是不能處理大量無序的文檔，導(dǎo)致分類結(jié)果不準(zhǔn)確；文獻(xiàn)[3]提出了一種基于云計(jì)算的自動(dòng)分類系統(tǒng)，并在該系統(tǒng)的基礎(chǔ)上，引入云計(jì)算平臺(tái)和分布式計(jì)算架構(gòu)，對(duì)大型非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分類。但該方法只能處理部分結(jié)構(gòu)化和非結(jié)構(gòu)化的平臺(tái)信息，不能處理大量系統(tǒng)無序文檔，造成分類結(jié)果不準(zhǔn)確。

針對(duì)上述問題，提出了一個(gè)基于模糊聚類算法的工業(yè)智能應(yīng)用平臺(tái)信息自動(dòng)分類系統(tǒng)，將該系統(tǒng)與模糊聚類算法相結(jié)合，對(duì)工業(yè)智能應(yīng)用平臺(tái)的信息進(jìn)行精確挖掘，有效地提高了分類性能。

1 系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)

基于C/S 體系結(jié)構(gòu)，結(jié)合工業(yè)智能應(yīng)用平臺(tái)信息分類系統(tǒng)的需求[4]，以B/S 體系結(jié)構(gòu)管理用戶信息[5]，進(jìn)行了系統(tǒng)硬件結(jié)構(gòu)設(shè)計(jì)，如圖1 所示。

圖1 系統(tǒng)硬件結(jié)構(gòu)

如圖1 所示，該系統(tǒng)由3 層組成，分別是系統(tǒng)表示層、業(yè)務(wù)邏輯層和系統(tǒng)數(shù)據(jù)層?？梢允瓜到y(tǒng)運(yùn)行速度更快，數(shù)據(jù)處理更安全，方便了網(wǎng)絡(luò)資料查詢和公告的發(fā)布。

1.1 系統(tǒng)表示層

1.1.1 圖形用戶界面

便攜式媒體播放器以TMS320DM270 作為主控芯片，這是一種具有多種外部設(shè)置的可編程芯片，它有利于滿足市場(chǎng)的動(dòng)態(tài)變化要求，并使系統(tǒng)的其他模塊受其控制[6-7]。采用TVP5150A 核心芯片作為視頻輸入模塊，能夠?qū)σ曨l信號(hào)進(jìn)行轉(zhuǎn)換，以獲取數(shù)字信號(hào)。

系統(tǒng)添加了觸摸屏功能，其中，必須使用觸摸屏控制器和音頻編解碼器，同時(shí)，采用DM270 和McBSP構(gòu)建音頻輸入輸出模塊，使得觸摸屏控制器的使用更加簡(jiǎn)單方便[8-10]。此外，為了減小芯片尺寸和成本，觸摸屏控制器可以集成音頻編碼[11]。根據(jù)交流充電或USB 充電需求，選擇電源模塊。

1.1.2 瀏覽器

瀏覽器是用來訪問和瀏覽互聯(lián)網(wǎng)的客戶端[12]。瀏覽器引擎使用一個(gè)接口來查詢和操作渲染引擎。渲染引擎與后臺(tái)使用同一個(gè)界面來顯示請(qǐng)求的內(nèi)容。使用網(wǎng)絡(luò)調(diào)用接口，執(zhí)行HTTP 請(qǐng)求等內(nèi)容[13]。

1.2 業(yè)務(wù)邏輯層

業(yè)務(wù)邏輯層是系統(tǒng)的核心處理層，包括數(shù)據(jù)采集邏輯、預(yù)處理邏輯、文檔管理邏輯、信息發(fā)布管理邏輯、文件管理邏輯等[14]。

文中設(shè)計(jì)了一個(gè)以PC104 為嵌入式信息處理單元的嵌入式智能數(shù)據(jù)采集系統(tǒng)，采用開放的互連結(jié)構(gòu)和CAN總線接口，提高系統(tǒng)可靠性，避免外界干擾[15]。

嵌入式數(shù)據(jù)采集器主要是由信息處理模塊、遠(yuǎn)程嵌入模塊、數(shù)據(jù)采集模塊、顯示模塊、外圍控制與維護(hù)接口模塊組成，并配置雙CAN 總線接口的嵌入式信息處理器和遠(yuǎn)程數(shù)據(jù)采集裝置。

由圖2 可知，該采集器主要單元為嵌入式信息處理單元，該單元的主要任務(wù)是對(duì)信息進(jìn)行采集和管理，將采集的信息定期發(fā)送給數(shù)據(jù)存儲(chǔ)和顯示模塊，分析用戶指令，并實(shí)時(shí)從維護(hù)界面入手，進(jìn)行采集器維護(hù)工作，對(duì)系統(tǒng)進(jìn)行日常維護(hù)[16]。高速網(wǎng)絡(luò)接口用于實(shí)現(xiàn)與其他網(wǎng)絡(luò)的數(shù)據(jù)交換。

圖2 嵌入式數(shù)據(jù)采集器

1.3 系統(tǒng)數(shù)據(jù)層

在系統(tǒng)數(shù)據(jù)層，使用一種數(shù)據(jù)分類器進(jìn)行數(shù)據(jù)中心的信息分類，使其與數(shù)據(jù)庫管理系統(tǒng)相結(jié)合。對(duì)屬性集進(jìn)行一系列決策，包括提供屬性集和分類數(shù)據(jù)，分類器結(jié)構(gòu)如圖3 所示。

圖3 分類器結(jié)構(gòu)

2 系統(tǒng)軟件設(shè)計(jì)

2.1 模糊聚類算法應(yīng)用原理

2.1.1 初始聚類中心選取

通過對(duì)象間的距離公式，確定數(shù)據(jù)集中最遠(yuǎn)的點(diǎn)，將其作為初始聚類中心，設(shè)對(duì)象間距離公式為：

式（1）中，Pk和Pi表示兩個(gè)對(duì)象。

2.1.2 類合并

當(dāng)兩個(gè)對(duì)象之間距離最短時(shí)，則說明這兩個(gè)對(duì)象是同一類別的。在聚類過程中，兩個(gè)類別間距離最小時(shí)，可以進(jìn)行類合并處理。為了加快聚類速度，設(shè)定閾值為：

式（2）中，λ表示比例系數(shù)；dmin、dmax分別表示類別間最小和最大距離。閾值取值不能過小，否則合并速度較慢；取值也不能過大，否則所有類別將全部被歸為一類。

2.1.3 模糊聚類算法流程

將每個(gè)樣本都作為初始聚類中心，計(jì)算閾值，同時(shí)，將類間小于閾值的兩個(gè)類別進(jìn)行合并處理，由此獲取新的類別點(diǎn)，計(jì)算隸屬度函數(shù)，更新聚類中心。根據(jù)評(píng)價(jià)函數(shù)，計(jì)算新的分類評(píng)估結(jié)果為：

如果E(n-1)＜Y(n-2)，則輸出聚類結(jié)果；否則，重新計(jì)算隸屬度函數(shù)，直到滿足上述條件，即可完成模糊聚類。

2.2 基于模糊聚類算法的信息自動(dòng)分類

模糊聚類原理是將工業(yè)智能應(yīng)用平臺(tái)中的所有信息進(jìn)行自動(dòng)分類，設(shè)某個(gè)工業(yè)智能應(yīng)用平臺(tái)中包含的類別nj，其中nj在該平臺(tái)訓(xùn)練樣本集Wrj中的樣本信息為mj，按照下列步驟將所屬類別nj劃分到子類T1或T2中。

分類步驟如下：

step1：根據(jù)模糊聚類原理對(duì)樣本訓(xùn)練集Wrt進(jìn)行模糊聚類，得到類別信息xji及兩個(gè)子類隸屬度μj1i和μj2i，將滿足隸屬度之差大于0、小于0、等于0 的樣本分別存儲(chǔ)到集合Wj1、Wj2、Wj3中，并分別設(shè)置3 個(gè)集合的樣本數(shù)，依次為Zj1、Zj2、Zj3；

step2：對(duì)于種類nj中，如果存在：

式（4）中，α表示設(shè)定的閾值，該值越大，說明交疊結(jié)構(gòu)類別數(shù)量就越多。如果滿足式（4），則將種類nj劃分到子類T1或T2中；

step3：對(duì)于種類nj中，如果存在：

如果滿足式（5），則將集合Zj1劃分到子類T1中，Zj2劃分到子類T2中，Zj3劃分到子類T1或T2中；

從初始訓(xùn)練節(jié)點(diǎn)開始，生成各個(gè)節(jié)點(diǎn)模糊聚類后，再從每個(gè)模糊類別中直接選擇該模糊聚類中隸屬度小于1 的樣本。

從上述訓(xùn)練結(jié)果可看出，使用模糊聚類算法減少了訓(xùn)練樣本的數(shù)量，避免了系統(tǒng)化無序信息對(duì)分類造成的不利影響，進(jìn)而有效提高系統(tǒng)精度。

3 實(shí) 驗(yàn)

為了驗(yàn)證基于模糊聚類算法的工業(yè)智能應(yīng)用平臺(tái)信息自動(dòng)分類系統(tǒng)設(shè)計(jì)的合理性，進(jìn)行實(shí)驗(yàn)驗(yàn)證分析。

3.1 數(shù)據(jù)描述

系統(tǒng)測(cè)試數(shù)據(jù)集主要包括工廠遠(yuǎn)程運(yùn)維管理平臺(tái)、訂單數(shù)字制造管控平臺(tái)、智能工業(yè)云服務(wù)平臺(tái)、項(xiàng)目管理協(xié)同工作云平臺(tái)4 個(gè)類別，每個(gè)類別中均有600 條信息，共包含2 400 條信息。

3.2 系統(tǒng)運(yùn)行平臺(tái)

系統(tǒng)運(yùn)行平臺(tái)硬件配置了5 臺(tái)主機(jī)，該主機(jī)的內(nèi)存為2.5 GB。在計(jì)算機(jī)周圍部署Hadoop，并將這5 臺(tái)主機(jī)連接起來，形成分布式集群。

在Eclipse中，選擇Maven 作為管理工具，引用管理工具即可進(jìn)行相關(guān)實(shí)驗(yàn)。

3.3 實(shí)驗(yàn)指標(biāo)

分類結(jié)果評(píng)價(jià)可以從側(cè)面反映分類系統(tǒng)性能的優(yōu)良，主要有兩個(gè)評(píng)價(jià)指標(biāo)，分別是召回率recall 和準(zhǔn)確率precision。其中，召回率指的是分類系統(tǒng)信息分類的數(shù)量與屬于同一類工業(yè)智能應(yīng)用平臺(tái)信息總數(shù)之比的正確評(píng)價(jià)結(jié)果；準(zhǔn)確率指的是分類系統(tǒng)工業(yè)智能應(yīng)用平臺(tái)信息中，真正屬于該平臺(tái)信息所占比例的正確評(píng)價(jià)結(jié)果。召回率和準(zhǔn)確率的計(jì)算公式為：

由式（6）、（7）可知，S表示分類標(biāo)準(zhǔn)中屬于同一類信息同時(shí)也被分類系統(tǒng)分到同一類中的信息數(shù)；Q表示分類標(biāo)準(zhǔn)中不屬于同一類信息，卻被分類系統(tǒng)分到同一類中的信息數(shù)；R表示原本應(yīng)當(dāng)分類到同一類信息卻被分到其他類別中的信息數(shù)。

3.4 實(shí)驗(yàn)結(jié)果對(duì)比分析

分別使用基于知識(shí)庫自動(dòng)分類系統(tǒng)、云計(jì)算的自動(dòng)分類系統(tǒng)和基于模糊聚類算法自動(dòng)分類系統(tǒng)對(duì)比分析召回率和準(zhǔn)確率，對(duì)比結(jié)果如圖4 所示。

由圖4可知，使用基于知識(shí)庫自動(dòng)分類系統(tǒng)對(duì)4個(gè)平臺(tái)信息分類的過程中，以關(guān)鍵詞作為特征粒度后，該系統(tǒng)的召回率得到提高，最高召回率為0.7，但在處理項(xiàng)目管理協(xié)同工作云平臺(tái)時(shí)，系統(tǒng)化無序信息影響著系統(tǒng)的分類精度，最低精度為0.6；使用基于云計(jì)算的自動(dòng)分類系統(tǒng)對(duì)4 個(gè)平臺(tái)信息分類的過程中，引入了云計(jì)算平臺(tái)和分布式計(jì)算架構(gòu)，有效提高了系統(tǒng)召回率，最高召回率為0.65。但在處理項(xiàng)目管理協(xié)同工作云平臺(tái)時(shí)，同樣受到系統(tǒng)化無序信息影響，導(dǎo)致系統(tǒng)分類精度較低，最低為0.59；而基于模糊聚類算法的自動(dòng)分類系統(tǒng)，結(jié)合了模糊聚類算法，能夠精準(zhǔn)挖掘出4 個(gè)平臺(tái)信息，不會(huì)受到系統(tǒng)化無序信息影響，最高召回率為0.91、最高準(zhǔn)確率為0.89。

4 結(jié)束語

文中設(shè)計(jì)了一個(gè)基于模糊聚類算法的工業(yè)智能應(yīng)用平臺(tái)信息自動(dòng)分類系統(tǒng)，用模糊聚類方法生成模糊類，解決了模糊類中多類嚴(yán)重重疊和信息系統(tǒng)混亂等問題，可以對(duì)工業(yè)智能應(yīng)用平臺(tái)的海量信息進(jìn)行自動(dòng)分類，具有識(shí)別效率高、訓(xùn)練速度快、分類準(zhǔn)確率高等特點(diǎn)，是解決信息分類分類問題的有效途徑。

盡管所設(shè)計(jì)的自動(dòng)分類系統(tǒng)具有較高的效率，但還存在一些不足，例如現(xiàn)有的模糊聚類算法都是低維計(jì)算，缺少特征降維處理，因此，為了提高信息提取精準(zhǔn)度，在未來應(yīng)研究特征提取和降維技術(shù)是非常必要的。