具有迟滞特征对象的多空间关联和多值映射数据挖掘与聚类分析

On account of the dynamic non-linear characteristics of hysteretic objects, the clustering analysis of hysteretic objects is a new difficult problem up till now. Therefore, in terms of the hysteretic features of multi-value, input dependence, non-smooth and dynamic directivity, this project will develop new approaches for multi-space correlation data clustering ,multi-value data clustering, dynamic directivity data clustering and hybrid clustering of hysteretic data. In order to validate pattern recognition performance of these clustering approaches, not only the selection and composition identification of piezoelectric materials will be carried out, but the hysteretic feature discrimination of QT/RR and ST/HR curves of human electrocardiogram signals will be analyzed. Finally, new clustering schemes will be devised for the hysteretic data with multi-space correlated, multi-valued and dynamic direction features. Moreover, new strategies will be provided in the project for the production improvement of piezoelectric material and the non-invasive diagnosis of cardiac diseases, which will further broaden the application field of pattern recognition.

由于含有迟滞现象的对象存在明显的动态非线性特性，对迟滞对象的聚类分析是迄今为止模式识别领域新的难点问题。本课题将针对迟滞对象数据的多值映射、输入依赖、非光滑、动态方向性特征，分别研究相应的关于多空间关联的数据聚类、具有多值映射特征的数据聚类、具有动态方向性的数据聚类方法，以及迟滞特征数据的合成聚类方法。并通过压电材料的筛选和成分差异判断，以及人体心电信号在运动和恢复过程中QT/RR或ST/HR迟滞曲线的特征判别，对所研究的具有迟滞特征数据的模式划分方法进行验证，不仅为多空间关联、多值映射和动态方向性迟滞数据的聚类分析提出新方法,同时也为压电材料筛选和心脏病的无创诊断提供新途径,从而进一步拓宽模式识别的应用领域。

本课题是针对具有迟滞特征的多值映射、多空间关联的动态数据进行的聚类和数据挖掘研究，根据课题任务目标，进行了压电薄膜迟滞特征数据的采集实验和人体经络多穴位心电信号检测实验，建立了迟滞对象检测数据集，以及基于多元生理信号的脑电音乐情绪数据集和人体运动前后状态数据集。根据人体经络穴位心电信号传输迟滞数据，提出了用传递熵方法识别穴位心电能量传输的迟滞特征。针对心电信号的多样性，建立了混合模糊熵指标实现了聚类数目的自动最优选择，并提出了基于综合信息熵的小波基选择方法和自适应小波阈值滤波方法。这些方法为采用非侵入方法观测人体心脏功能提供了新的渠道。.其次，针对压电陶瓷多值映射迟滞特征，提出了张量空间的多元迟滞时间序列的降维和特征提取方法，实现了多视角观察迟滞对象特征和进行特征降维。该方法可为智能材料传感器的自动控制提供科学依据，也已经成功应用于了行为识别和12-导联心电信号的识别中。.再次，根据迟滞对象的张量特征样本，提出了基于张量k-means聚类方法、张量模糊聚类方法、二维高斯谱聚类方法，实现了张量对象无需向量化的直接模式聚类。并研究了基于模型的迟滞对象的非监督模式识别方法，采用了具有外部输入的非线性自回归神经网络模型对经络心电信息传输系统进行了建模，发现了心电信号沿经络传输具有明显的非线性迟滞特征。针对汽车悬挂系统中的阻尼器采用Duhem迟滞模型进行建模，实现了对汽车悬挂系统阻尼器的迟滞特性进行准确识别。还研究了基于群智能的高维多元时间序列的模式识别优化方法，并成功应用于人体运动前后健康状态识别和脑电情绪识别中的特征选择。为增强模式识别方法的泛化能力提供了新方法。..最后，基于本课题提出的多元生理信号处理新方法，研发了三款无线可穿戴设备和相应的APP应用软件，同时研制了与多元传感器交互的智能家居控制系统，实现了用户的居家健康监护，为解决目前我国健康监护存在资源短缺人员不足的问题提供了新的途径。