基于主成分分析和自组织映射的细胞制造系统中机器零件聚类的视觉研究
摘要：使用主成分分析（PCA）和自组织映射（SOM）从基于序列的机器-零件关联矩阵的输入中生成细胞形成问题的视觉聚类和数据提取。首先，重点是利用PCA提取输入变量的高维度，并将数据集投影到二维空间。其次，使用SOM算法的无监督竞争学习进行数据可视化，并根据SOM图上的节点聚类解决基于序列数据的细胞形成问题。尽管数据集的数值结果表明PCA解释了大部分数据的累积方差，但在实际情况下，当基于序列的非常大维度的细胞形成问题可用时，从PCA投影中获取聚类结构变得非常困难。最重要的是，在序列数据的视觉聚类中，仅使用U-矩阵无法有效获取聚类结构，但通过颜色提取、命中映射和SOM节点地图标签化，它成为一种强大的聚类可视化方法，因此本研究对细胞制造的研究做出了重要贡献。
作者：Manojit Chattopadhyay, Pranab K. Dan, Sitanath Majumdar
论文ID：1201.5524
分类：Adaptation and Self-Organizing Systems
分类简称：nlin.AO
提交时间：2012-03-21