智能检测理论与技术ppt课件

智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。第四章内容回顾第四章内容回顾一、一、状态估计和辨识概述状态估计和辨识概述二、基于二、基于状态估计状态估计的智能检测的智能检测三、基于参数辨识的智能检测三、基于参数辨识的智能检测第四章内容回顾一、状态估计和辨识概述1智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.1 5.1 模式识别概述模式识别概述模式识别概述模式识别概述第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 模式识别模式识别模式识别模式识别uu随机事件是普遍存在的，在对这种事件的研究过程中随机事件是普遍存在的，在对这种事件的研究过程中随机事件是普遍存在的，在对这种事件的研究过程中随机事件是普遍存在的，在对这种事件的研究过程中 常把被观察的对象称为常把被观察的对象称为常把被观察的对象称为常把被观察的对象称为样本样本样本样本。uu每个每个每个每个样本样本样本样本可能会有很多个观察数据，这些观察数据的可能会有很多个观察数据，这些观察数据的可能会有很多个观察数据，这些观察数据的可能会有很多个观察数据，这些观察数据的综合便称为综合便称为综合便称为综合便称为模式模式模式模式。uu获得观察数据的过程称为获得观察数据的过程称为获得观察数据的过程称为获得观察数据的过程称为模式采集模式采集模式采集模式采集，所有样本的观察，所有样本的观察，所有样本的观察，所有样本的观察数据的集合构成数据的集合构成数据的集合构成数据的集合构成模式空间模式空间模式空间模式空间。uu模式空间的维数模式空间的维数模式空间的维数模式空间的维数由观测过程中所选择的观察变量的个由观测过程中所选择的观察变量的个由观测过程中所选择的观察变量的个由观测过程中所选择的观察变量的个数所决定。数所决定。数所决定。数所决定。5.1 模式识别概述第五章 基于模式识别的智能检测 模式识别2智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.1 5.1 模式识别概述模式识别概述模式识别概述模式识别概述第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 模式识别模式识别模式识别模式识别uu被选择的观察变量可能有多个，常选择其中最能揭示被选择的观察变量可能有多个，常选择其中最能揭示被选择的观察变量可能有多个，常选择其中最能揭示被选择的观察变量可能有多个，常选择其中最能揭示 样本本质属性样本本质属性样本本质属性样本本质属性的若干观察量作为主要特征，从而构成的若干观察量作为主要特征，从而构成的若干观察量作为主要特征，从而构成的若干观察量作为主要特征，从而构成观察样本的观察样本的观察样本的观察样本的特征空间特征空间特征空间特征空间。这种由。这种由。这种由。这种由模式空间模式空间模式空间模式空间到到到到特征空间特征空间特征空间特征空间的的的的变换过程称为变换过程称为变换过程称为变换过程称为特征提取特征提取特征提取特征提取。uu众多观测样本根据特征进行分类，进而把特征空间转众多观测样本根据特征进行分类，进而把特征空间转众多观测样本根据特征进行分类，进而把特征空间转众多观测样本根据特征进行分类，进而把特征空间转 变为变为变为变为类型空间类型空间类型空间类型空间。uu某一观察样本经历某一观察样本经历某一观察样本经历某一观察样本经历模式采集模式采集模式采集模式采集、特征提取特征提取特征提取特征提取而被判别属于而被判别属于而被判别属于而被判别属于具体具体具体具体类型空间类型空间类型空间类型空间的过程称为的过程称为的过程称为的过程称为模式识别模式识别模式识别模式识别。uu模式识别模式识别模式识别模式识别是一种常用的智能检测方法，广泛应用于工是一种常用的智能检测方法，广泛应用于工是一种常用的智能检测方法，广泛应用于工是一种常用的智能检测方法，广泛应用于工业、农业、气象、医疗等各领域。业、农业、气象、医疗等各领域。业、农业、气象、医疗等各领域。业、农业、气象、医疗等各领域。5.1 模式识别概述第五章 基于模式识别的智能检测 模式识别3智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.1 5.1 模式识别概述模式识别概述模式识别概述模式识别概述第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 模式识别：判别分析和聚类分析模式识别：判别分析和聚类分析模式识别：判别分析和聚类分析模式识别：判别分析和聚类分析uu判别分析判别分析判别分析判别分析和和和和聚类分析聚类分析聚类分析聚类分析是两种不同目的的分类方法，它是两种不同目的的分类方法，它是两种不同目的的分类方法，它是两种不同目的的分类方法，它们所起的作用是不同的。们所起的作用是不同的。们所起的作用是不同的。们所起的作用是不同的。uu判别分析方法判别分析方法判别分析方法判别分析方法假定组（或类）已事先分好，判别新样假定组（或类）已事先分好，判别新样假定组（或类）已事先分好，判别新样假定组（或类）已事先分好，判别新样品应归属哪一组，对组的事先划分有时也可以品应归属哪一组，对组的事先划分有时也可以品应归属哪一组，对组的事先划分有时也可以品应归属哪一组，对组的事先划分有时也可以通过聚通过聚通过聚通过聚类分析类分析类分析类分析得到。得到。得到。得到。uu聚类分析方法聚类分析方法聚类分析方法聚类分析方法是按样品（或变量）的数据特征，把相是按样品（或变量）的数据特征，把相是按样品（或变量）的数据特征，把相是按样品（或变量）的数据特征，把相似的样品（或变量）倾向于分在同一类中，把不相似似的样品（或变量）倾向于分在同一类中，把不相似似的样品（或变量）倾向于分在同一类中，把不相似似的样品（或变量）倾向于分在同一类中，把不相似的样品（或变量）倾向于分在不同类中。的样品（或变量）倾向于分在不同类中。的样品（或变量）倾向于分在不同类中。的样品（或变量）倾向于分在不同类中。5.1 模式识别概述第五章 基于模式识别的智能检测 模式识别4智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 判别分析的基本概念判别分析的基本概念判别分析的基本概念判别分析的基本概念uu判别分析是根据表明事物特点的变量值和它们所属的判别分析是根据表明事物特点的变量值和它们所属的判别分析是根据表明事物特点的变量值和它们所属的判别分析是根据表明事物特点的变量值和它们所属的类求出类求出类求出类求出判别函数判别函数判别函数判别函数，根据，根据，根据，根据判别函数对未知所属类别的事判别函数对未知所属类别的事判别函数对未知所属类别的事判别函数对未知所属类别的事物进行分类物进行分类物进行分类物进行分类的一种分析方法，它需要已知一系列反映的一种分析方法，它需要已知一系列反映的一种分析方法，它需要已知一系列反映的一种分析方法，它需要已知一系列反映事物事物事物事物特性的数值变量及其变量值。特性的数值变量及其变量值。特性的数值变量及其变量值。特性的数值变量及其变量值。uu判别分析就是在已知研究对象分为若干类型（组别）判别分析就是在已知研究对象分为若干类型（组别）判别分析就是在已知研究对象分为若干类型（组别）判别分析就是在已知研究对象分为若干类型（组别）并已经取得各种类型的一批已知样品的观测数据基础并已经取得各种类型的一批已知样品的观测数据基础并已经取得各种类型的一批已知样品的观测数据基础并已经取得各种类型的一批已知样品的观测数据基础上，根据上，根据上，根据上，根据某些准则某些准则某些准则某些准则，建立起尽可能把属于不同类型的，建立起尽可能把属于不同类型的，建立起尽可能把属于不同类型的，建立起尽可能把属于不同类型的数据区分开来的数据区分开来的数据区分开来的数据区分开来的判别函数判别函数判别函数判别函数，然后用它们来判别未知类，然后用它们来判别未知类，然后用它们来判别未知类，然后用它们来判别未知类型的样品应该属于哪一类。型的样品应该属于哪一类。型的样品应该属于哪一类。型的样品应该属于哪一类。5.2 判别分析法第五章 基于模式识别的智能检测 判别分析的5智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 判别分析的基本概念判别分析的基本概念判别分析的基本概念判别分析的基本概念uu判断分析按判别的总体数来区分，有判断分析按判别的总体数来区分，有判断分析按判别的总体数来区分，有判断分析按判别的总体数来区分，有两个总体判别分两个总体判别分两个总体判别分两个总体判别分析析析析和和和和多总体判别分析多总体判别分析多总体判别分析多总体判别分析；按判别时所处理的变量方法不；按判别时所处理的变量方法不；按判别时所处理的变量方法不；按判别时所处理的变量方法不同，有同，有同，有同，有逐步判别逐步判别逐步判别逐步判别和和和和序贯判别序贯判别序贯判别序贯判别等。判别分析可以从不同等。判别分析可以从不同等。判别分析可以从不同等。判别分析可以从不同角度提出问题，因此有不同的角度提出问题，因此有不同的角度提出问题，因此有不同的角度提出问题，因此有不同的判别准则判别准则判别准则判别准则，如马氏距离，如马氏距离，如马氏距离，如马氏距离最小准则、最小准则、最小准则、最小准则、FisherFisherFisherFisher准则、平均损失最小准则、最小平准则、平均损失最小准则、最小平准则、平均损失最小准则、最小平准则、平均损失最小准则、最小平方准则、最大似然准则、最大概率准则等等。方准则、最大似然准则、最大概率准则等等。方准则、最大似然准则、最大概率准则等等。方准则、最大似然准则、最大概率准则等等。uu判别分析的关键一步是定义合适的判别分析的关键一步是定义合适的判别分析的关键一步是定义合适的判别分析的关键一步是定义合适的判别函数判别函数判别函数判别函数，判别函，判别函，判别函，判别函数有数有数有数有线性和非线性线性和非线性线性和非线性线性和非线性之分，而之分，而之分，而之分，而非线性判别函数非线性判别函数非线性判别函数非线性判别函数一般可通一般可通一般可通一般可通过变量替换转变成过变量替换转变成过变量替换转变成过变量替换转变成线性判别函数线性判别函数线性判别函数线性判别函数。5.2 判别分析法第五章 基于模式识别的智能检测 判别分析的6智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 判别分析的一般步骤判别分析的一般步骤判别分析的一般步骤判别分析的一般步骤5.2 判别分析法第五章 基于模式识别的智能检测 判别分析的7智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 判别分析的一般步骤判别分析的一般步骤判别分析的一般步骤判别分析的一般步骤uu判别分析通常都要建立一个判别分析通常都要建立一个判别分析通常都要建立一个判别分析通常都要建立一个判别函数判别函数判别函数判别函数，然后利用此判，然后利用此判，然后利用此判，然后利用此判别函数来进行判别。别函数来进行判别。别函数来进行判别。别函数来进行判别。uu为了建立判别函数就必须有一个训练样本。判别分析为了建立判别函数就必须有一个训练样本。判别分析为了建立判别函数就必须有一个训练样本。判别分析为了建立判别函数就必须有一个训练样本。判别分析的任务就是向这份样本学习的任务就是向这份样本学习的任务就是向这份样本学习的任务就是向这份样本学习,学出判断类别的规则学出判断类别的规则学出判断类别的规则学出判断类别的规则,并作多方考核。并作多方考核。并作多方考核。并作多方考核。uu训练样本的质量与数量至为重要。每一个体所属类别训练样本的质量与数量至为重要。每一个体所属类别训练样本的质量与数量至为重要。每一个体所属类别训练样本的质量与数量至为重要。每一个体所属类别必须用必须用必须用必须用“金标准金标准金标准金标准”予以确认予以确认予以确认予以确认;解释变量（简称为变量解释变量（简称为变量解释变量（简称为变量解释变量（简称为变量或指标）或指标）或指标）或指标）X X X X1 1 1 1,X,X,X,X2 2 2 2,X,X,X,Xp p p p必须确实与分类有关必须确实与分类有关必须确实与分类有关必须确实与分类有关;个体的个体的个体的个体的观察值必须准确观察值必须准确观察值必须准确观察值必须准确;个体的数目必须足够多。个体的数目必须足够多。个体的数目必须足够多。个体的数目必须足够多。5.2 判别分析法第五章 基于模式识别的智能检测 判别分析的8智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 判别分析的一般步骤判别分析的一般步骤判别分析的一般步骤判别分析的一般步骤 训练样本的数据内容与符号训练样本的数据内容与符号训练样本的数据内容与符号训练样本的数据内容与符号 解释变量解释变量解释变量解释变量个体号个体号个体号个体号 类别变量类别变量类别变量类别变量(Y)(Y)(Y)(Y)X X X X1 1 1 1 X X X X2 2 2 2 X X X Xj j j j X X X XP P P P 1 X 1 X 1 X 1 X11111111 X X X X12121212 X X X X1j1j1j1j X X X X1P1P1P1P y y y y1 1 1 1 2 X 2 X 2 X 2 X22222222 X X X X22 22 22 22 X X X X2j2j2j2j X X X X2P2P2P2P y y y y2 2 2 2 i X i X i X i Xi1i1i1i1 X X X Xi2i2i2i2 X X X Xijijijij X X X XiPiPiPiP y y y y3 3 3 3 n X n X n X n Xn1n1n1n1 X X X Xn2n2n2n2 X X X Xnjnjnjnj X X X XnPnPnPnP y y y yP P P P 5.2 判别分析法第五章 基于模式识别的智能检测 判别分析的9智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 判别分析常用方法判别分析常用方法判别分析常用方法判别分析常用方法uu最大似然法最大似然法最大似然法最大似然法 该法是建立在概率论中独立事件乘法该法是建立在概率论中独立事件乘法该法是建立在概率论中独立事件乘法该法是建立在概率论中独立事件乘法定律的基础上，定律的基础上，定律的基础上，定律的基础上，适用于各指标是适用于各指标是适用于各指标是适用于各指标是定性的或半定量定性的或半定量定性的或半定量定性的或半定量的的的的情况。情况。情况。情况。uuFisherFisherFisherFisher判别分析判别分析判别分析判别分析 用于两类或两类以上间判别，但常用于两类或两类以上间判别，但常用于两类或两类以上间判别，但常用于两类或两类以上间判别，但常用于两类间判别。用于两类间判别。用于两类间判别。用于两类间判别。uuBayesBayesBayesBayes判别分析判别分析判别分析判别分析 用于两类或两类以上间判别，要求用于两类或两类以上间判别，要求用于两类或两类以上间判别，要求用于两类或两类以上间判别，要求各类内指标服从多元正态分布。各类内指标服从多元正态分布。各类内指标服从多元正态分布。各类内指标服从多元正态分布。5.2 判别分析法第五章 基于模式识别的智能检测 判别分析常10智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 判别分析常用方法判别分析常用方法判别分析常用方法判别分析常用方法uu逐步判别分析逐步判别分析逐步判别分析逐步判别分析 建立在建立在建立在建立在BayesBayesBayesBayes判别分析基础上，它判别分析基础上，它判别分析基础上，它判别分析基础上，它象象象象多元逐步回归分析多元逐步回归分析多元逐步回归分析多元逐步回归分析一样，可以在众多指标中挑选一一样，可以在众多指标中挑选一一样，可以在众多指标中挑选一一样，可以在众多指标中挑选一些有显著作用的指标来建立一个判别函数些有显著作用的指标来建立一个判别函数些有显著作用的指标来建立一个判别函数些有显著作用的指标来建立一个判别函数,使方程内使方程内使方程内使方程内的指标都有显著的判别作用而方程外的指标作用都不的指标都有显著的判别作用而方程外的指标作用都不的指标都有显著的判别作用而方程外的指标作用都不的指标都有显著的判别作用而方程外的指标作用都不显著。显著。显著。显著。uulogisticlogisticlogisticlogistic判别判别判别判别 常用于两类间判别，它不要求多元常用于两类间判别，它不要求多元常用于两类间判别，它不要求多元常用于两类间判别，它不要求多元正态分布的假设，故可用于各指标为两值变量或半定正态分布的假设，故可用于各指标为两值变量或半定正态分布的假设，故可用于各指标为两值变量或半定正态分布的假设，故可用于各指标为两值变量或半定量的情况。量的情况。量的情况。量的情况。5.2 判别分析法第五章 基于模式识别的智能检测 判别分析常11智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n FisherFisher判别分析判别分析uu Fisher Fisher Fisher Fisher判别法是判别法是判别法是判别法是1936193619361936年提出来的，该方法的主要思年提出来的，该方法的主要思年提出来的，该方法的主要思年提出来的，该方法的主要思想是通过将多维数据投影到某个方向上，投影的原则想是通过将多维数据投影到某个方向上，投影的原则想是通过将多维数据投影到某个方向上，投影的原则想是通过将多维数据投影到某个方向上，投影的原则是将总体与总体之间尽可能的放开，然后再选择合适是将总体与总体之间尽可能的放开，然后再选择合适是将总体与总体之间尽可能的放开，然后再选择合适是将总体与总体之间尽可能的放开，然后再选择合适的判别规则，将新的样品进行分类判别。的判别规则，将新的样品进行分类判别。的判别规则，将新的样品进行分类判别。的判别规则，将新的样品进行分类判别。5.2 判别分析法第五章 基于模式识别的智能检测 Fishe12智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测 FisherFisher判别分析判别分析5.2 判别分析法第五章 基于模式识别的智能检测 Fishe13智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n BayesBayes判别分析：最大后验概率准则判别分析：最大后验概率准则uu 设有设有设有设有 k k k k个组个组个组个组 ，且组，且组，且组，且组 的概率密的概率密的概率密的概率密度为度为度为度为 ，样品来自组，样品来自组，样品来自组，样品来自组 的先验概率为的先验概率为的先验概率为的先验概率为 ，满足，满足，满足，满足 。则。则。则。则 x x x x 属属属属于于于于 的后验概率为的后验概率为的后验概率为的后验概率为uu最大后验概率准则最大后验概率准则最大后验概率准则最大后验概率准则是采用如下的判别规则：是采用如下的判别规则：是采用如下的判别规则：是采用如下的判别规则：5.2 判别分析法第五章 基于模式识别的智能检测 Bayes14智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n影响判别函数判决效果的因素影响判别函数判决效果的因素影响判别函数判决效果的因素影响判别函数判决效果的因素uu判别分析效果的好坏取决于判别分析效果的好坏取决于判别分析效果的好坏取决于判别分析效果的好坏取决于判别函数判别函数判别函数判别函数的判决能力，针的判决能力，针的判决能力，针的判决能力，针对同一判别分析问题可以定义多个判别函数，但它们对同一判别分析问题可以定义多个判别函数，但它们对同一判别分析问题可以定义多个判别函数，但它们对同一判别分析问题可以定义多个判别函数，但它们的判别效果是不同的，的判别效果是不同的，的判别效果是不同的，的判别效果是不同的，最优的判别函数最优的判别函数最优的判别函数最优的判别函数能根据被判对能根据被判对能根据被判对能根据被判对象的观察值最大限度地把它的所属类与其他类区别开。象的观察值最大限度地把它的所属类与其他类区别开。象的观察值最大限度地把它的所属类与其他类区别开。象的观察值最大限度地把它的所属类与其他类区别开。uu各种工业过程中存在许多可观察变量，很难准确确定各种工业过程中存在许多可观察变量，很难准确确定各种工业过程中存在许多可观察变量，很难准确确定各种工业过程中存在许多可观察变量，很难准确确定选择哪些变量作为特征变量；一般应从过程机理分析选择哪些变量作为特征变量；一般应从过程机理分析选择哪些变量作为特征变量；一般应从过程机理分析选择哪些变量作为特征变量；一般应从过程机理分析入手，选择对被判对象入手，选择对被判对象入手，选择对被判对象入手，选择对被判对象具有显著影响的变量具有显著影响的变量具有显著影响的变量具有显著影响的变量作为观察作为观察作为观察作为观察量，以取得较好的判别分析效果。量，以取得较好的判别分析效果。量，以取得较好的判别分析效果。量，以取得较好的判别分析效果。5.2 判别分析法第五章 基于模式识别的智能检测影响判别函数15智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破uu工业过程的控制和优化依赖于测量数据的质量。而由工业过程的控制和优化依赖于测量数据的质量。而由工业过程的控制和优化依赖于测量数据的质量。而由工业过程的控制和优化依赖于测量数据的质量。而由于测量过程中于测量过程中于测量过程中于测量过程中仪表失灵仪表失灵仪表失灵仪表失灵、系统偏差系统偏差系统偏差系统偏差以及以及以及以及不完全或是不不完全或是不不完全或是不不完全或是不正确的过程模型正确的过程模型正确的过程模型正确的过程模型等均会引起过失误差。这些过失误差等均会引起过失误差。这些过失误差等均会引起过失误差。这些过失误差等均会引起过失误差。这些过失误差的存在会严重破坏测量数据的统计特性，导致过程辨的存在会严重破坏测量数据的统计特性，导致过程辨的存在会严重破坏测量数据的统计特性，导致过程辨的存在会严重破坏测量数据的统计特性，导致过程辨识、控制和优化的失败。识、控制和优化的失败。识、控制和优化的失败。识、控制和优化的失败。uu侦破过失误差侦破过失误差侦破过失误差侦破过失误差具有相当重要的意义。具有相当重要的意义。具有相当重要的意义。具有相当重要的意义。5.2 判别分析法第五章 基于模式识别的智能检测 工业过程测16智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破uu有两种常用方法侦破过失误差，一种是有两种常用方法侦破过失误差，一种是有两种常用方法侦破过失误差，一种是有两种常用方法侦破过失误差，一种是测量检验法测量检验法测量检验法测量检验法，另一种方法为另一种方法为另一种方法为另一种方法为节点检验法节点检验法节点检验法节点检验法。uu 1975 1975 1975 1975年，年，年，年，AlmasyAlmasyAlmasyAlmasy和和和和SztanoSztanoSztanoSztano提出了提出了提出了提出了测量检验法测量检验法测量检验法测量检验法，该法，该法，该法，该法利用测量值与其校正值之间的相对大小来判断是否存利用测量值与其校正值之间的相对大小来判断是否存利用测量值与其校正值之间的相对大小来判断是否存利用测量值与其校正值之间的相对大小来判断是否存在显著误差。该方法可直接检测各个测量变量，因而在显著误差。该方法可直接检测各个测量变量，因而在显著误差。该方法可直接检测各个测量变量，因而在显著误差。该方法可直接检测各个测量变量，因而可直接定位显著误差，但是由于该方法在使用最小二可直接定位显著误差，但是由于该方法在使用最小二可直接定位显著误差，但是由于该方法在使用最小二可直接定位显著误差，但是由于该方法在使用最小二乘法计算校正值时会把失误误差传播到所有的数据上，乘法计算校正值时会把失误误差传播到所有的数据上，乘法计算校正值时会把失误误差传播到所有的数据上，乘法计算校正值时会把失误误差传播到所有的数据上，因而可能出现因而可能出现因而可能出现因而可能出现“虚警虚警虚警虚警”错误，将不存在显著误差的测错误，将不存在显著误差的测错误，将不存在显著误差的测错误，将不存在显著误差的测量数据判断成含有显著误差。量数据判断成含有显著误差。量数据判断成含有显著误差。量数据判断成含有显著误差。5.2 判别分析法第五章 基于模式识别的智能检测 工业过程测17智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破uu有两种常用方法侦破过失误差，一种是有两种常用方法侦破过失误差，一种是有两种常用方法侦破过失误差，一种是有两种常用方法侦破过失误差，一种是测量检验法测量检验法测量检验法测量检验法，另一种方法为另一种方法为另一种方法为另一种方法为节点检验法节点检验法节点检验法节点检验法。uu 1963 1963 1963 1963年，年，年，年，ReillyReillyReillyReilly提出了提出了提出了提出了节点检验法节点检验法节点检验法节点检验法，该法是针对，该法是针对，该法是针对，该法是针对每每每每一个约束方程的残差构建一个检验统计量一个约束方程的残差构建一个检验统计量一个约束方程的残差构建一个检验统计量一个约束方程的残差构建一个检验统计量，并将其与，并将其与，并将其与，并将其与临界值进行比较。如果该统计量大于临界值，则说明临界值进行比较。如果该统计量大于临界值，则说明临界值进行比较。如果该统计量大于临界值，则说明临界值进行比较。如果该统计量大于临界值，则说明该约束方程中涉及的变量含有显著误差。但是由于每该约束方程中涉及的变量含有显著误差。但是由于每该约束方程中涉及的变量含有显著误差。但是由于每该约束方程中涉及的变量含有显著误差。但是由于每个节点中含有多个测量数据，因而无法准确判断出那个节点中含有多个测量数据，因而无法准确判断出那个节点中含有多个测量数据，因而无法准确判断出那个节点中含有多个测量数据，因而无法准确判断出那个测量数据含有显著误差。个测量数据含有显著误差。个测量数据含有显著误差。个测量数据含有显著误差。5.2 判别分析法第五章 基于模式识别的智能检测 工业过程测18智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破工业过程测量数据中过失误差的侦破uu有两种方法侦破过失误差，一种是有两种方法侦破过失误差，一种是有两种方法侦破过失误差，一种是有两种方法侦破过失误差，一种是测量检验法测量检验法测量检验法测量检验法，另一，另一，另一，另一种方法为种方法为种方法为种方法为节点检验法节点检验法节点检验法节点检验法，单独使用这两种方法均存在不，单独使用这两种方法均存在不，单独使用这两种方法均存在不，单独使用这两种方法均存在不足之处，为克服缺陷，发挥两者的优点，常将这两种足之处，为克服缺陷，发挥两者的优点，常将这两种足之处，为克服缺陷，发挥两者的优点，常将这两种足之处，为克服缺陷，发挥两者的优点，常将这两种方法组合使用。方法组合使用。方法组合使用。方法组合使用。uu首先用首先用首先用首先用测量检验法测量检验法测量检验法测量检验法来找出含有过失误差的测量数据，来找出含有过失误差的测量数据，来找出含有过失误差的测量数据，来找出含有过失误差的测量数据，然后使用然后使用然后使用然后使用节点检验法节点检验法节点检验法节点检验法进一步证实其中确实含有过失误进一步证实其中确实含有过失误进一步证实其中确实含有过失误进一步证实其中确实含有过失误差的数据，恢复被误判含有过失误差数据的本来面目。差的数据，恢复被误判含有过失误差数据的本来面目。差的数据，恢复被误判含有过失误差数据的本来面目。差的数据，恢复被误判含有过失误差数据的本来面目。uu反复进行上述过程反复进行上述过程反复进行上述过程反复进行上述过程，直到侦破所有过失误差的测量数，直到侦破所有过失误差的测量数，直到侦破所有过失误差的测量数，直到侦破所有过失误差的测量数 据为止。据为止。据为止。据为止。5.2 判别分析法第五章 基于模式识别的智能检测 工业过程测19智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 算法侦破蒸汽系统流量数据中存在的过失误差算法侦破蒸汽系统流量数据中存在的过失误差算法侦破蒸汽系统流量数据中存在的过失误差算法侦破蒸汽系统流量数据中存在的过失误差 5.2 判别分析法第五章 基于模式识别的智能检测 算法侦破蒸20智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 算法侦破蒸汽系统流量数据中存在的过失误差算法侦破蒸汽系统流量数据中存在的过失误差算法侦破蒸汽系统流量数据中存在的过失误差算法侦破蒸汽系统流量数据中存在的过失误差最终校正结果：最终校正结果：最终校正结果：最终校正结果：5.2 判别分析法第五章 基于模式识别的智能检测 算法侦破蒸21智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.2 5.2 判别分析法判别分析法判别分析法判别分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 间歇精馏塔塔板效率的在线软测量间歇精馏塔塔板效率的在线软测量间歇精馏塔塔板效率的在线软测量间歇精馏塔塔板效率的在线软测量uu塔板效率是反应精馏塔传质效率的一个重要指标，由塔板效率是反应精馏塔传质效率的一个重要指标，由塔板效率是反应精馏塔传质效率的一个重要指标，由塔板效率是反应精馏塔传质效率的一个重要指标，由于受塔的结构参数、板上流体的力学特性以及负荷变于受塔的结构参数、板上流体的力学特性以及负荷变于受塔的结构参数、板上流体的力学特性以及负荷变于受塔的结构参数、板上流体的力学特性以及负荷变化等因素的影响，化等因素的影响，化等因素的影响，化等因素的影响，很难准确估计精馏塔的塔板效率很难准确估计精馏塔的塔板效率很难准确估计精馏塔的塔板效率很难准确估计精馏塔的塔板效率。uu将塔板的平均效率看作为一个服从正态分布的随机变将塔板的平均效率看作为一个服从正态分布的随机变将塔板的平均效率看作为一个服从正态分布的随机变将塔板的平均效率看作为一个服从正态分布的随机变量，建立塔板效率的量，建立塔板效率的量，建立塔板效率的量，建立塔板效率的软测量模型软测量模型软测量模型软测量模型，对塔板效率进行在，对塔板效率进行在，对塔板效率进行在，对塔板效率进行在线测量。线测量。线测量。线测量。uu 软测量过程中，根据软测量过程中，根据软测量过程中，根据软测量过程中，根据BayesBayesBayesBayes公式，采用相邻区域公式，采用相邻区域公式，采用相邻区域公式，采用相邻区域的的的的 似然比作为似然比作为似然比作为似然比作为判别函数判别函数判别函数判别函数 。5.2 判别分析法第五章 基于模式识别的智能检测 间歇精馏塔22智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.3 5.3 聚类分析法聚类分析法聚类分析法聚类分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 聚类分析定义聚类分析定义聚类分析定义聚类分析定义uu聚类分析聚类分析聚类分析聚类分析(Cluster analysis)(Cluster analysis)(Cluster analysis)(Cluster analysis)又称又称又称又称集群分析集群分析集群分析集群分析，它是，它是，它是，它是研究研究研究研究“物以类聚物以类聚物以类聚物以类聚”的一种数理统计方法。聚类分析的一种数理统计方法。聚类分析的一种数理统计方法。聚类分析的一种数理统计方法。聚类分析可将一些观察对象依据可将一些观察对象依据可将一些观察对象依据可将一些观察对象依据某些特征某些特征某些特征某些特征加以归类加以归类加以归类加以归类 。uu聚类分析时总体中各类别的划分是不清楚的，甚至聚类分析时总体中各类别的划分是不清楚的，甚至聚类分析时总体中各类别的划分是不清楚的，甚至聚类分析时总体中各类别的划分是不清楚的，甚至到底应分成几类也不知道，用于聚类分析的原始数到底应分成几类也不知道，用于聚类分析的原始数到底应分成几类也不知道，用于聚类分析的原始数到底应分成几类也不知道，用于聚类分析的原始数据中没有类别变量，所以是据中没有类别变量，所以是据中没有类别变量，所以是据中没有类别变量，所以是无师可循无师可循无师可循无师可循的统计分析方的统计分析方的统计分析方的统计分析方法。法。法。法。5.3 聚类分析法第五章 基于模式识别的智能检测 聚类分析定23智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.3 5.3 聚类分析法聚类分析法聚类分析法聚类分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 聚类分析定义聚类分析定义聚类分析定义聚类分析定义uu聚类分析是对观察对象进行分类的一种方法，它依据聚类分析是对观察对象进行分类的一种方法，它依据聚类分析是对观察对象进行分类的一种方法，它依据聚类分析是对观察对象进行分类的一种方法，它依据于各观察样本间的于各观察样本间的于各观察样本间的于各观察样本间的相似性相似性相似性相似性，按着一定的，按着一定的，按着一定的，按着一定的聚类准则聚类准则聚类准则聚类准则判别判别判别判别各个样本的类别，达到对众多样本进行分类的目的。各个样本的类别，达到对众多样本进行分类的目的。各个样本的类别，达到对众多样本进行分类的目的。各个样本的类别，达到对众多样本进行分类的目的。uu主要介绍样本的主要介绍样本的主要介绍样本的主要介绍样本的相似性度量相似性度量相似性度量相似性度量、聚类准则聚类准则聚类准则聚类准则、聚类算法聚类算法聚类算法聚类算法及及及及聚类分析的应用聚类分析的应用聚类分析的应用聚类分析的应用。5.3 聚类分析法第五章 基于模式识别的智能检测 聚类分析定24智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.3 5.3 聚类分析法聚类分析法聚类分析法聚类分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 样本间的相似性度量和聚类准则函数样本间的相似性度量和聚类准则函数样本间的相似性度量和聚类准则函数样本间的相似性度量和聚类准则函数 经常采用两个样本在特征空间中的距离来度量两个样本间经常采用两个样本在特征空间中的距离来度量两个样本间经常采用两个样本在特征空间中的距离来度量两个样本间经常采用两个样本在特征空间中的距离来度量两个样本间的的的的 相似性，这种距离有多种计算算法，常用的有：相似性，这种距离有多种计算算法，常用的有：相似性，这种距离有多种计算算法，常用的有：相似性，这种距离有多种计算算法，常用的有：uu契比雪夫距离契比雪夫距离契比雪夫距离契比雪夫距离uu 绝对值距离绝对值距离绝对值距离绝对值距离uu 欧氏距离欧氏距离欧氏距离欧氏距离特征向量特征向量5.3 聚类分析法第五章 基于模式识别的智能检测 样本间的相25智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.3 5.3 聚类分析法聚类分析法聚类分析法聚类分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 特征量纲对聚类结果的影响特征量纲对聚类结果的影响特征量纲对聚类结果的影响特征量纲对聚类结果的影响 财富（万）财富（万）5 105 10年龄年龄60603030财富（十万）财富（十万）年龄年龄606030305 105 105.3 聚类分析法第五章 基于模式识别的智能检测 特征量纲对26智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.3 5.3 聚类分析法聚类分析法聚类分析法聚类分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n距离测度对聚类结果的影响距离测度对聚类结果的影响距离测度对聚类结果的影响距离测度对聚类结果的影响数据的粗聚类是数据的粗聚类是数据的粗聚类是数据的粗聚类是2 2 2 2类类类类,细聚类为细聚类为细聚类为细聚类为4 4 4 4类类类类5.3 聚类分析法第五章 基于模式识别的智能检测距离测度对聚27智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.3 5.3 聚类分析法聚类分析法聚类分析法聚类分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 样本间的相似性度量和聚类准则函数样本间的相似性度量和聚类准则函数样本间的相似性度量和聚类准则函数样本间的相似性度量和聚类准则函数uu各特征变量的单位并不一致，致使所计算距离的量纲各特征变量的单位并不一致，致使所计算距离的量纲各特征变量的单位并不一致，致使所计算距离的量纲各特征变量的单位并不一致，致使所计算距离的量纲没有意义。没有意义。没有意义。没有意义。uu度量单位的变化会严重影响各特征变量在距离计算中度量单位的变化会严重影响各特征变量在距离计算中度量单位的变化会严重影响各特征变量在距离计算中度量单位的变化会严重影响各特征变量在距离计算中所起的作用，以致影响所起的作用，以致影响所起的作用，以致影响所起的作用，以致影响聚类效果聚类效果聚类效果聚类效果。uu所以在计算距离前有必要对各变量的数据进行所以在计算距离前有必要对各变量的数据进行所以在计算距离前有必要对各变量的数据进行所以在计算距离前有必要对各变量的数据进行归一化归一化归一化归一化。n n大多数聚类准则为寻求一个函数的极大或是极小，这个大多数聚类准则为寻求一个函数的极大或是极小，这个大多数聚类准则为寻求一个函数的极大或是极小，这个大多数聚类准则为寻求一个函数的极大或是极小，这个 函数用来描述各类样本的特征，所以聚类过程一般是按函数用来描述各类样本的特征，所以聚类过程一般是按函数用来描述各类样本的特征，所以聚类过程一般是按函数用来描述各类样本的特征，所以聚类过程一般是按着聚类准则进行寻优的一个迭代过程，聚类结果的各个着聚类准则进行寻优的一个迭代过程，聚类结果的各个着聚类准则进行寻优的一个迭代过程，聚类结果的各个着聚类准则进行寻优的一个迭代过程，聚类结果的各个类使得类使得类使得类使得聚类准则函数取极值聚类准则函数取极值聚类准则函数取极值聚类准则函数取极值。5.3 聚类分析法第五章 基于模式识别的智能检测 样本间的相28智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.3 5.3 聚类分析法聚类分析法聚类分析法聚类分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 两种主要的聚类准则函数简介两种主要的聚类准则函数简介两种主要的聚类准则函数简介两种主要的聚类准则函数简介uu误差平方和准则误差平方和准则误差平方和准则误差平方和准则J J J JC C C Ct t采用个各类内样本的总误差平方和采用个各类内样本的总误差平方和采用个各类内样本的总误差平方和采用个各类内样本的总误差平方和J JC C来衡量聚类的质来衡量聚类的质来衡量聚类的质来衡量聚类的质量。总误差平方和量。总误差平方和量。总误差平方和量。总误差平方和J JC C定义为：定义为：定义为：定义为：t t采用采用采用采用J JC C达到最小作为聚类合理与否的准则，控制聚类达到最小作为聚类合理与否的准则，控制聚类达到最小作为聚类合理与否的准则，控制聚类达到最小作为聚类合理与否的准则，控制聚类迭代过程，也称为迭代过程，也称为迭代过程，也称为迭代过程，也称为最小方差聚类最小方差聚类最小方差聚类最小方差聚类。5.3 聚类分析法第五章 基于模式识别的智能检测 两种主要的29智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.3 5.3 聚类分析法聚类分析法聚类分析法聚类分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 两种主要的聚类准则函数简介两种主要的聚类准则函数简介两种主要的聚类准则函数简介两种主要的聚类准则函数简介uu加权平均平方距离和准则加权平均平方距离和准则加权平均平方距离和准则加权平均平方距离和准则J Jl lt t当可获得样本分类的先验知识时，可以预先估计不同当可获得样本分类的先验知识时，可以预先估计不同当可获得样本分类的先验知识时，可以预先估计不同当可获得样本分类的先验知识时，可以预先估计不同的类在聚类准则函数中的重要程度，并附以相应的权的类在聚类准则函数中的重要程度，并附以相应的权的类在聚类准则函数中的重要程度，并附以相应的权的类在聚类准则函数中的重要程度，并附以相应的权值，从而得到值，从而得到值，从而得到值，从而得到加权平均平方距离和准则加权平均平方距离和准则加权平均平方距离和准则加权平均平方距离和准则。其中其中其中其中类内样本间平均平方距离类内样本间平均平方距离类内样本间平均平方距离类内样本间平均平方距离5.3 聚类分析法第五章 基于模式识别的智能检测 两种主要的30智能检测智能检测有利于学习和创新的组织管理机制，创造充满活力的创新激励机制，以市场为导向，以顾客价值追求为中心的企业文化氛围，依赖既开放又相互信任的合作环境。5.3 5.3 聚类分析法聚类分析法聚类分析法聚类分析法第五章第五章 基于模式识别的智能检测基于模式识别的智能检测n 聚类准则函数聚类准则函数聚类准则函数聚类准则函数uu上述数据聚类准则函数中，上述数据聚类准则函数中，上述数据聚类准则函数中，上述数据聚类准则函数中，误差平方和准则误差平方和准则误差平方和准则误差平方和准则适用于各适用于各适用于各适用于各类样本在模式空间或特征空间中的分布较为集中，而类样本在模式空间或特征空间中的分布较为集中，而类样本在模式空间或特征空间中的分布较为集中，而类样本在模式空间或特征空间中的分布较为集中，而且各类样本数目比较接近的情况。且各类样本数目比较接近的情况。且各类样本数目比较接近的情况。且各类样本数目比较接近的情况。uu当样本数目相差较为悬殊时，应采用当样本数目相差较为悬殊时，应采用当样本数目相差较为悬殊时，应采用当样本数目相差较为悬殊时，应采用加权平均平方距加权平均平方距加权平均平方距加权平均平方距离和准