基于多类型特征的船用设备域引导特征融合聚类框架

《Algorithms》:A Domain-Guided Feature-Fusion Framework for Ship Equipment Based on Multi-Type Features

【字体: 大 中 小 】 时间:2026年09月18日 来源:Algorithms 2.6

编辑推荐:

  船用设备的可靠性评估常常受到失效数据不足或不可用的制约,特别是对于失效频率极低的高可靠性部件而言。为了在后续可靠性分析中利用相似设备的参考信息,本研究提出了一种面向船用设备聚类的域引导多类型特征融合框架。该框架通过将文本、类别和数值属性整合到一个统一表示中,解

  
船用设备的可靠性评估常常受到失效数据不足或不可用的制约,特别是对于失效频率极低的高可靠性部件而言。为了在后续可靠性分析中利用相似设备的参考信息,本研究提出了一种面向船用设备聚类的域引导多类型特征融合框架。该框架通过将文本、类别和数值属性整合到一个统一表示中,解决了船用设备记录的异质性问题。具体而言,设备名称和规格/型号信息采用字符级TF-IDF特征表示;类别属性通过One-Hot表示进行编码;数值属性采用对数变换和标准化处理。融合特征空间包含六个工程属性,包括设备名称、规格/型号信息、技术类别、计量单位、每平台安装数量和参考单价。此外,引入了一种领域知识驱动的特征组加权机制,以强调直接反映功能和技术相似性的属性,尤其是设备名称和规格/型号信息。然后,在加权融合特征空间中执行K-Means聚类,并通过综合考虑轮廓系数(Silhouette Coefficient,SC)、Calinski–Harabasz指数(Calinski–Harabasz index,CH)、Davies–Bouldin指数(Davies–Bouldin index,DB)和簇大小分布来确定聚类数量。在1345个实际船用设备样本上的实验表明,K=36在聚类结构、候选集可用性、工程一致性和随机初始化下的稳定性之间提供了合理的平衡。与等权重方案、属性加权K-Means(Attribute-Weighted K-Means)、K-原型(K-Prototypes)和基于Gower的层次聚类相比,所提出的框架在设备名称和规格/型号相似性方面取得了更高的值,同时保持了有意义的技术类别一致性。这些结果表明,所提出的框架能够有效识别船用设备之间潜在的功能和技术相似关系,并为稀疏失效数据条件下的可靠性评估提供候选参考集。
研究背景与问题:船用设备可靠性评估对海上任务执行成功率至关重要。然而,高可靠性设备失效频率极低,失效数据即使在多次任务后仍可能缺失,传统基于统计的可靠性评估面临“无可用数据”的挑战。同时,船用设备种类繁多,部分设备具有结构或功能相似性,可靠性特性可能呈现相似模式,这为利用相似设备信息推断目标设备可靠性提供了可能。因此,如何识别相似设备成为亟待解决的问题。已有混合数据聚类研究多聚焦于数值和类别属性,对短文本工程字段处理不足,且距离度量方法在样本量增大时计算效率降低。为此,研究人员提出了一种域引导的多类型特征融合聚类框架,旨在为异质工程数据构建透明、可复现的相似性分组。

研究内容与主要结论:研究人员将设备名称、规格/型号信息、技术类别、计量单位、每平台安装数量和参考单价六种属性纳入统一特征空间。在1345个实际船用设备样本上,采用K-Means聚类,联合多个内部效度指标与簇大小分布确定簇数为36。结果表明,该框架在聚类结构、候选集可用性、工程一致性及随机初始化稳定性上取得平衡;且相较于等权重方案、属性加权K-Means、K-Prototypes和基于Gower的层次聚类,能获得更高的设备名称和规格/型号相似性。该框架可有效识别设备间潜在功能与技术相似关系,为稀疏失效数据下的可靠性评估提供候选参考集。

关键技术方法:该研究使用了以下主要方法(样本来源为1345条真实船用设备记录,属性完整):(1)字符级TF-IDF(词频-逆文档频率,用于衡量文本特征重要性)表示设备名称和规格/型号信息;(2)One-Hot编码技术类别和计量单位;(3)对每平台安装数量和参考单价进行对数变换与标准化;(4)基于领域知识设定特征权重(设备名称0.40,规格/型号0.25,技术类别0.15,计量单位0.05,安装数量0.05,参考单价0.10),并采用平方根缩放使权重成为距离中的一阶系数;(5)使用K-Means聚类,并通过SC(轮廓系数)、CH(Calinski–Harabasz指数)、DB(Davies–Bouldin指数)及簇大小分布联合确定簇数。评估指标包括内部效度、工程一致性(名称/规格余弦相似度、类别纯度)和稳定性(ARI/调整兰德指数、NMI/归一化互信息)。

研究结果方面,按原文的节组织如下:
5.1 实验设置:研究使用1345条样本,设备名称和规格/型号采用字符级TF-IDF(字符n-gram范围2–4,最小文档频率2,最大特征维度分别为800和600),类别属性One-Hot编码,数值属性对数变换并标准化。特征权重配置为(0.40,0.25,0.15,0.05,0.05,0.10),K-Means固定随机种子42,每次运行20次初始化,最大迭代500次,候选簇数K=10至100。
5.2 特征权重敏感性分析:通过将单个特征权重乘以0.50至1.50的扰动系数并重新归一化,发现设备名称和规格/型号信息的权重变化对SC、CH、DB影响较强,而辅助类别特征影响有限。降低某些权重虽可改善DB,但会导致簇大小分布不均衡。因此,没有单一权重配置能同时优化所有指标,基线权重体现了领域知识驱动的工程重要性。
5.3 簇数确定:在K=10至100搜索,随K增大SC上升、DB下降、CH下降,三个指标不一致。K=36时SC=0.179861,DB=2.156935,最大簇大小117,中位数31.5,没有少于5个样本的簇,在聚类质量与候选集可用性间取得平衡,因此选定K=36。
5.4 聚类结果分析
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号