惯性仪器故障诊断模型设计与实现

摘要：

为了挖掘隐藏在惯性仪器测试数据背后的信息知识,解决数据丰富而知识贫乏的问题,运用数据挖掘技术筛选出典型的故障测试数据,借鉴CRISP-DM行业标准并以Clementine12.0为平台进行惯性仪器故障诊断模型的设计与实现.提出一种基于两阶段聚类的C5.0算法,即在两步聚类和k- means聚类的基础上使用C5.0算法,与传统C5.0算法相比,提高了预测精度和普适能力.结果表明,基于两阶段聚类的C5.0模型具有较好的分类能力和较强可解释性,为建立基于数据挖掘技术的惯性仪器故障诊断系统提供了研究基础.

关键词：惯性仪器、两步聚类、k-means聚类、C5.0

所属期刊栏目：22

分类号：TP39(计算技术、计算机技术)

资助基金：海军资助项目TJ2007_ 0011

在线出版日期：2012-05-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：143-146