基于数据分散度聚类的浆纱质量指标建模与仿真

针对典型划分式聚类算法对噪声和孤立点数据敏感问题,提出一种基于数据分散度的聚类算法。该算法定义数据分散度指标,将其引入非欧氏距离函数建立相似性度量实现数据的聚类,并根据基于改进划分系数的有效性函数获取最佳聚类数。将其应用于纺织浆纱过程质量指标建模中,采用径向基神经网络建立上浆率质量指标模型,通过该聚类算法确定隐层节点数,求取径向基函数中心。实验结果表明所提及的基于数据分散度的聚类算法对噪声和孤立点数据敏感度低,所建立的上浆率质量指标模型具有较高精度。