·522· 北京科技大学学报 .1993年No.5 不佳。 聚类分析是模式识别中发展较早的方法。由于其有效地处理了非监督学习问题，且对 于模式分布情况知之甚少，难以确定分类器形式时，往往先进行聚类分析。试探法是最简 单直观的聚类方法，但需凭经验确定阈值，，且对初始样本的选择及排列次序和儿何分布敏 感；系统聚类法存在阈值和相似性度量方法的选择；动态聚类法中K均值法按均方误差 最小聚类，适用于样本成团且各类样本数相当的场合而模糊聚类可以避免阈值选择，可以 确定最佳相似性度量准则，并通过寻求最佳人入截矩阵而获得最佳分类。 1 烧结矿质量分类系统的构成 利用模式识别方法对烧结矿在线质量推断的系统如图1所示 改进分析方法 训练样本集 特征选择 聚类分析 的获取 预处理 和提取 错误率检验 训练过程 识别过程 在线获取 特征选择 结果输出 待识别样本 预处理 和提取 分类决策 图1烧结矿质量分类系统构成框图 Fig.1 The configuration of sorting system on quality 任何一个模式识别系统均由训练过程和识别过程两部分组成。首先在现场获取大量样 本形成训练（学习）样本集，再对其进行量纲统一、数据归一和加权等预处理，对样本进 行规范化，以便下级处理。由于烧结矿涉及的因素很多，每个样本维数较大(19维)为 避免“多维计算灾难”，对样本特征进行了初始挑选和基于类均值向量和类中心化特征向量 方法的特征提取，从中提取分类所需信息，：降低空间维数，减少分类器设计的计算量和分 类时间，提高分类速度。在经压缩后的特征空间上再进行分类器的设计。本文采用两种聚 类分析方法进行分类器设计，以比较本文给出的模糊聚类分析方法对处理象烧结过程这种 离散度大，而先验知识又较少时分类的有效性。本文采用模糊系统聚类法对训练样本集进 行分类。 识别过程对于在线采集的待识对象，经过与训练过程相同的预处理、特征选择和选取 方法，形成特征空间的一个特征向量，再由k近邻准则识别其属于何类，从而实现在线 推断烧结矿质量。 2模糊聚类分类器的设计 模糊聚类分类器设计由下列步骤构成。北 京 科 技 大 学 学 报 年 不佳 。 聚类分析是模式识别 中发展较早的方法 。 由于其有效地处理 了非监督学 习 问题 ， 且对 于模式分布情况知 之甚少 ， 难以确定分类器形式时 ， 往往先进行聚类分析 。 试探法是最简 单直观 的聚类方法 ， 但需凭经验确定阂值 ， 且对初始样本 的选 择及引咧次序和儿何分布敏 感 系统 聚类 法存在 阂值和 相 似性度量方法的选择 动态 聚类法中 均 值捧按均方误差 最小 聚类 ， 适用 于样本成团且各类样本数相当的场合而模糊 聚拳可 以避免闽值选择 ， 可 以 确定最佳相 似性度量准则 ， 并通过寻求最佳人截矩阵而获得最佳分类 二 · 烧结矿质量分类系统的构成 利用模式识别方法对烧结矿在线质量推断的系统如 图 所示 · 改进分析方法 训练样本集 特征选择 的获取 和提取 在线获取 特征选择 待识穷样本 和提取 、 图 烧结矿质量分类系统构成框图 ， 。 曲 址 七 加 住 灯 任何一个模式识别 系统均 由训练过程和识别过程两部分组成 。 首先在现场获取 大量样 本形成训练 学习 样本集 ， 再对其进行量纲统一 数据归一和加权等预处理 ， 对样本进 行规范化 ， 以 便下级处理 。 由于烧结矿涉及 的因素很 多 ， 每个样本维数较大 维 为 避免 “ 多 维计算灾难 ” ， 对样本特征进行了初始挑选和基于类均值向量和 类 中心化特征向量 方法的特征提取 ， 从中提取分类所需信息 ， ， 降低空间维数 ， 减少分类器设计的计算量和分 类时间 ， 提高分类速度 。 在经压缩后的特征空何上再进行分类器的设计 。 本文采用两种聚 类分析方法进行分类器设计 ， 以 比较本文给 出的模枷果类分析方法对处理象烧结过程这种 离散度大 ， 而先验知识又较少时分类的有效性 。 本文采用模糊系统聚类法对训练样本集进 行分类 。 识别过程对于在线采集的待识对象 ， 经过与训练过程相 同的 预处理 、 特征选择和 选取 方法 ， 形成特征空 间 的一个特征 向量 ， 再由 近邻准则识别其属于何类 ， 从而实现在线 推断烧结矿质量 。 模糊聚类分类器 一 的设计 模糊聚类分类器设计 由下 列步骤构成