一种基于无监督机器学习分析的海况聚类划分方法及系统
申请号:CN202410890379
申请日期:2024-07-03
公开号:CN118690212A
公开日期:2024-09-24
类型:发明专利
摘要
本发明提供了基于无监督机器学习分析的海况聚类划分方法及系统,先按照时间顺序自动获取海浪波高数据,将每个时间点的海浪波高数据分别与不同尺度下的小波函数进行卷积得到每个时间点下多个不同尺度的小波系数,并对各个小波系数分别进行取模运算得到多个小波模系数,再通过低通滤波器对每个时间点下的所有小波模系数进行平均得到不同尺度的散射系数,根据不同尺度的散射系数得到每个时间点的海浪波高数据在不同维度上的特征集合,然后采用无监督机器学习的时间邻域编码方法分别对特征集合中的每个特征进行编码得到编码后的新特征集合,最后采用谱聚类算法对新特征集合中的各个特征进行聚类,得到多个表示不同平稳海况的簇以实现海况聚类的划分。
技术关键词
无监督机器学习
聚类划分方法
海浪
谱聚类算法
划分系统
低通滤波器
邻域
编码方法
混合聚类算法
层次聚类算法
特征提取模块
编码模块
学习特征
数据获取模块
学习方法
网络