本發(fā)明涉及一種自適應k_means聚類奇異值分解降噪有效秩階次確定法，屬于信號處理技術領域。

背景技術：

奇異值分解降噪法存在著有效秩階次的確定這一關鍵問題。針對這個問題，目前的解決辦法是有效秩的階次是源信號主頻個數(shù)的2倍，但是在實際工程應用中，情況較為復雜，噪聲大量存在，頻帶遷移，當源信號的主頻個數(shù)難以區(qū)分的時候，該方法失效。

技術實現(xiàn)要素：

針對現(xiàn)有技術中存在的不足，本發(fā)明的目的是提供一種自適應k_means聚類奇異值分解降噪有效秩階次確定法，避免依據(jù)經(jīng)驗來選取有效秩階次和傳統(tǒng)的差分方法只選取最大值點所導致的誤差。

本發(fā)明的目的是通過以下技術方案實現(xiàn)的。

一種自適應k_means聚類奇異值分解降噪有效秩階次確定法，所述方法的步驟如下：

步驟1.在奇異值分解時利用差分法獲得奇異值的變化率，并將奇異值的變化率進行歸一化處理；

步驟2.利用改進的k_means聚類算法對奇異值的變化率逐步進行聚類處理，在聚類過程中，利用聚類后的第一個有效類的中心值自適應解算類相關性閾值，并根據(jù)類相關性閾值終止聚類；

步驟3.根據(jù)聚類數(shù)解算出有效秩階次；

步驟4.根據(jù)解算出的有效秩階次進行信號重構，得到奇異值分解降噪后的信號。

有益效果：

本發(fā)明所述的自適應k_means聚類奇異值分解降噪有效秩階次確定法，依據(jù)奇異值分解后得到的奇異值順序固定不變的特性，結合二分法改進k_means聚類算法，提高了算法的效率和適用性，同時利用聚類后的類自身特性，自適應終止k_means聚類，解決了人為經(jīng)驗問題。

附圖說明

附圖1為本發(fā)明所述方法流程示意圖。

具體實施方式

下面對本發(fā)明做進一步說明。

將給定的個維數(shù)據(jù)點的數(shù)據(jù)集生成個數(shù)據(jù)子集，其中。k_means聚類算法將數(shù)據(jù)集劃分成個類，即，每個類的類中心為。選取歐式距離作為分類的依據(jù)和距離判斷準則，計算每個類中各點到聚類中心的歐式距離和

k_means聚類算法的目標是使各類總的歐式距離和最小，即

一種自適應k_means聚類奇異值分解降噪有效秩階次確定法，具體步驟如下：

步驟1.計算出聚類后類的中心值，即

式中，為類中元素個數(shù)。

步驟2.根據(jù)類相關性特性自定義了一個類相關性閾值，有

式中，的值是由聚類后的第一個有效的自適應解算出來，即的值要比小一個數(shù)量級，且。

步驟3.將每次聚類后的中心值與自適應解算出來的作比較，建立一個聚類終止條件，即

式中，若，則類是有效秩類，對類繼續(xù)進行改進的k_means聚類，直到終止聚類，此時得到的聚類數(shù)記為。

式中為有效秩階次，為類中元素個數(shù)。

若在類中出現(xiàn)了，則將其視為特殊情況，即為有效秩階次的疊加項。

以上所述僅為本發(fā)明的優(yōu)選實施例而已，并不用于限制發(fā)明。凡在本發(fā)明的精神和原則之內，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。