一种模糊C均值聚类小数据量识别混沌的方法

摘要

本发明公开了一种模糊C均值聚类小数据量识别混沌的方法，属于信号处理领域。包括以下步骤：从实际工程应用中对信号进行滤波采样，获得时间序列数据；利用小数据量算法，对采样到的时间序列数据进行处理，得到发散收缩程度指数集合；利用模糊C均值聚类算法，将发散收缩程度指数集合分为饱和以及不饱和两类数据，并保留不饱和类数据；将不饱和类数据进行二阶差分，对所得数据利用模糊C均值聚类算法分为正波动、负波动以及零波动三类数据；选取零波动数据中最长连续自然数的区间，再根据精度要求，设定误差范围，保留有效零波动数据；利用统计方法选取最优解，计算出最大Lyapunov指数。本方法对非线性应用具有重要的意义。

主权项

一种模糊C均值聚类小数据量识别混沌的方法，其特征在于：包括以下步骤：步骤一：从实际工程应用中对信号进行滤波采样，获得时间序列数据；步骤二：利用小数据量算法，对采样到的时间序列数据进行处理，得到发散收缩程度指数集合；步骤三：利用模糊C均值聚类算法，将发散收缩程度指数集合分为饱和以及不饱和两类数据，并保留不饱和类数据；步骤四：将不饱和类数据进行二阶差分，对所得数据利用模糊C均值聚类算法分为正波动、负波动以及零波动三类数据；步骤五：选取零波动数据中最长连续自然数的区间，再根据精度要求，设定误差范围，保留有效零波动数据；步骤六：利用统计方法选取最优解，计算出最大Lyapunov指数。