基于扩散映射的太赫兹光谱识别

特征提取对于太赫兹光谱识别来说至关重要。传统方法是通过人工选取太赫兹光谱中差异性较大的吸收峰作为特征进行光谱识别,但当部分物质在太赫兹波段没有明显波峰、波谷等光谱图形特征时,这种方式便不再适用。为此,研究人员利用统计学习与机器学习方法对高维太赫兹光谱数据进行降维和特征提取。由于物质的太赫兹光谱数据各维度呈现非线性,尤其是当不同物质的太赫兹光谱曲线整体非常相似时,线性处理方法易产生较大误差。针对这一问题,提出了一种基于扩散映射(DM)的太赫兹光谱识别方法。扩散映射能在保持数据内在几何结构的同时对其进行非线性降维,提取的流形特征区分度较高,对数据还有聚类效果。首先用S-G滤波器对Alloxazine等10种物质的太赫兹光谱样本进行滤波,并用三次样条插值法对截取相同频段后的光谱样本进行统一分辨率处理;然后利用DM将高维太赫兹光谱数据映射到低维特征空间并提取太赫兹光谱的流形特征;最后用多分类支持向量机(M-SVM)对十种物质的太赫兹透射光谱进行分类。实验结果表明,相比于主成分分析(PCA)和等距映射(ISOMAP),使用DM提取的太赫兹光谱流形特征具有更高的区分度,而且DM可以直接得到太赫兹光谱数据本征维数的估计值,这为相似太赫兹光谱的快速精准识别提供了一条新的途径。     

基于太赫兹时域光谱系统的转基因棉花种子主成分特性分析

运用太赫兹时域光谱技术对8种转基因棉花种子进行了探测研究.测量了转基因棉花种子在0.3~1.5THz频率范围的特征吸收谱,基于光谱分析,对比了8种转基因棉花种子吸收光谱的异同,并采用主成分分析法对其做了定性分析,得到了光谱分析的相关数据.提取了三种主成分因子,前三种主成分的累计方差贡献率达到了71.537%,从主成分得分图中可以明显区分不同类别的转基因棉花种子.太赫兹时域光谱技术能够实现对转基因棉花种子的无损检测,在农业选种、农业安全等领域将有广阔的应用价值.     

基于太赫兹光谱技术与CS-SVM的转基因产品鉴别

提出了一种基于太赫兹(THz)光谱技术以及布谷鸟搜索(CS)算法优化支持向量机(SVM)的有效的转基因产品鉴别方法(CS-SVM)。实验采用太赫兹时域光谱(THz-TDS)系统测量了三种转基因大豆种子及其亲本样品在0.2~1.2 THz波段的THz光谱,并采用SVM方法对转基因和非转基因大豆种子进行了分类鉴别研究,其中SVM的两个重要参数(惩罚因子和核参数)采用CS算法进行优化。实验结果表明,应用THz光谱技术结合CS-SVM方法为转基因和非转基因生物的检测和识别提供了一种快速、无损和可靠的分析方法。     

基于太赫兹光谱技术与CS-SVM的转基因产品鉴别（英文）

提出了一种基于太赫兹(THz)光谱技术以及布谷鸟搜索(CS)算法优化支持向量机(SVM)的有效的转基因产品鉴别方法(CS-SVM)。实验采用太赫兹时域光谱(THz-TDS)系统测量了三种转基因大豆种子及其亲本样品在0.2~1.2THz波段的THz光谱,并采用SVM方法对转基因和非转基因大豆种子进行了分类鉴别研究,其中SVM的两个重要参数(惩罚因子和核参数)采用CS算法进行优化。实验结果表明,应用THz光谱技术结合CS-SVM方法为转基因和非转基因生物的检测和识别提供了一种快速、无损和可靠的分析方法。     

GK可能C均值模糊聚类的白菜红外光谱分析

红外光谱分析是基于分子振动与跃迁理论的鉴别物质化学组成的技术。得到的光谱数据常常具有较高的维数和重叠度,这给后续的数据处理带来困难。为此提出一种GK可能C均值聚类算法（GKIPCM）,引入了GK聚类算法的马氏距离测度与改进的可能C均值聚类算法（IPCM）的模糊隶属度与聚类中心更新方程,使样本的距离测度具有自适应性且避免了聚类中心的一致性。GKIPCM算法具有分类精度更高,分类准确率对参数敏感性低的优点。将四组洗净白菜作为光谱分析对象,分别施加三种农药（高效氯氟氰菊酯）配比,采用安捷伦Cary 630 FTIR光谱仪采集白菜的傅里叶中红外光谱(FT-MIR)。首先对样本进行预处理,使用多元散射矫正（MSC）对光谱数据降噪,消除数据偏移量;其次,由于采集到的数据波数范围为4 300~590 cm-1,数据维数达到了971维,故使用主成分分析（PCA）对数据实现降维,降维后的数据维度减小到了23,且23个主成分的累积贡献率高达99.60%;但各类光谱的特征信息依然混杂在一起,故使用线性判别分析（LDA）提取特征鉴别信息,进一步将数据降至3维;最终,运行模糊C-均值聚类算法(FCM)得到较优初始聚类中心,使用GKIPCM算法对四类降维后的光谱数据进行聚类分析,并与GK聚类算法与IPCM聚类算法的运行结果作对比。GKIPCM算法的总迭代时长为0.218 8 s,分类准确率达到了97.22%。相较之下,GK算法与IPCM算法的准确率分别为63.89%和91.67%,运行的总时长为0.093 8与0.062 5 s。从实验结果可看出,GKIPCM算法可以通过分析光谱数据从而完成对不同程度农药残留进行定性分析的任务。     

基于双向长短期记忆网络的太赫兹光谱识别

特征提取是太赫兹光谱识别的关键处理步骤,通常利用降维方法作为特征提取手段。然而,当一些化合物的太赫兹光谱曲线整体差异度较小时,降维方法往往会缺失样本差异的重要特征信息,从而导致分类错误。如果不采用降维方法提取特征,传统机器学习分类算法对维数较高的原始太赫兹光谱数据又不能很好的分类。针对此问题,提出了一种基于双向长短期记忆网络（BLSTM-RNN）自动提取太赫兹光谱特征的识别方法。BLSTM-RNN作为一种特殊的循环神经网络,利用其LSTM单元可以有效解决原始太赫兹光谱数据维数较高使得模型难以训练问题。再结合模型的双向频谱信息利用架构模式,可以增强模型对复杂光谱数据自动提取有效特征信息的能力。采用三类、15种化合物太赫兹透射光谱作为测试对象,首先利用S-G滤波和三次样条插值对Anthraquinone,Benomyl和Carbazole等十五种化合物在0.9～6 THz内的太赫兹透射光谱数据进行归一化处理,然后通过构建一个具有双向长短期记忆的循环神经网络对太赫兹光谱的全频谱信息进行自动特征提取并利用Softmax分类器进行分类。通过试验优化网络结构和各项参数,最终获得了针对复杂太赫兹透射光谱数据的预测模型,并与传统机器学习算法SVM,KNN及神经网络算法MLP,CNN进行对比实验。结果表明,dataset-1和dataset-2分别作为差异度较大和无明显峰值特征的五种化合物太赫兹透射光谱数据集,其平均识别率分别为100%和98.51%,与其他方法相比识别率有所提高;最重要的是,dataset-3作为5种化合物谱线极为相似的太赫兹透射光谱数据集,其平均识别率为96.56%,与其他方法相比识别率提高显著;dataset-4作为dataset-1,dataset-2和dataset-3的透射光谱数据集集合,其平均识别率为98.87%。从而验证了BLSTM-RNN模型能自动提取有效的太赫兹光谱特征,同时又能保证复杂太赫兹光谱的预测精度。在选择模型训练优化算法方面,使用Adam优化算法要好于RMSProp,SGD和AdaGrad,其模型的目标函数损失值收敛速度最快。同时随着模型训练迭代次数增加,相似太赫兹透射光谱数据集的预测准确率也不断提升。可为复杂太赫兹光谱数据库的光谱识别检索提供一种新的识别方法。     

吸收峰混叠的太赫兹光谱区间组合特征提取算法

太赫兹光谱是物质识别的前沿方法之一。由于不同物质的分子组成或结构各异,许多物质的太赫兹吸收谱会在特定频率上出现吸收峰,可以作为混合物成分检测的重要特征。有效准确地提取这些吸收峰的参数,是提高识别率的关键。多峰拟合算法将光谱曲线拟合成若干个标准峰函数之和,能够同时提取到吸收峰的频率、峰高、峰宽等信息。但是该算法以寻峰算法结果为基础确定吸收峰的大致位置和数量,寻峰结果不一定是最优的拟合结果,而且很难准确识别定位混叠状态的吸收峰。为了提高混叠光谱中吸收峰的识别定位精度,提出以大幅度平滑后的曲线波谷为分界点,将预处理后的光谱分成若干个子区间。然后将子区间组合起来进行多峰拟合,通过遗传算法得到最优的拟合子区间组合和吸收峰频率近似值,拟合时每个子区间中通过峰数递增最优化方法确定拟合的吸收峰数,最后微调优化得到最优的吸收峰频率、峰高值。为了实现物质的识别,通过密度聚类算法得到同一类纯净物在多次测量中的共同吸收峰,以此作为标准数据,通过提出的基于吸收峰特征的光谱匹配算法实现了纯净物和不同含量混合物的快速识别。对10类纯净物的实际光谱数据进行拟合聚类,得到其吸收峰参数,结果与太赫兹光谱数据库一致。通过识别算法对纯净物测试集进行识别的识别率为100%,证明了特征提取和物质识别算法的有效性。对于含有混叠峰的混合物光谱,二阶导数法对葡萄糖-乳糖混合物光谱中被掩盖吸收峰(1.280 THz)的识别率仅为70%,提取到的频率平均值为1.316 THz;而该算法提高识别率至95%,频率平均值为1.281 THz,该算法提高了对混叠峰的分辨能力,能够精确定位混叠峰。对10类纯净物构成的6类不同程度混叠的二元混合物前二、三识别率分别达到90.8%和98.3%,提取到的特征能够有效应用于混合物的成分检测。该算法能够以纯净物数据为标准数据实现成分各异的混合物成分检测,对于太赫兹光谱混合物成分检测有重要意义。     

基于太赫兹光谱技术的光学系统设计及应用

太赫兹脉冲信号在频域上具有“指纹频谱”特性,利用该性质可以对物质进行定性分析。借助Zemax软件的光学分析与优化功能,设计了二次非球面TPX平凸透镜,提高了透镜对太赫兹波束的聚集能力;采用平凸透镜设计了太赫兹波束整形光学系统,并将该光学系统用于太赫兹时域光谱系统中,对盐酸莫西沙星和左氧氟沙星进行太赫兹光谱测试,经过算法处理后得到二者在频域上的吸收系数与折射率曲线。测试结果表明:左氧氟沙星的折射率在0.1 THz～3.5 THz波段要比盐酸莫西沙星高,但是盐酸莫西沙星的折射率变化更加平缓;盐酸莫西沙星在1.03 THz、1.92 THz、2.58 THz、2.84 THz处具有明显的吸收峰,左氧氟沙星在1.35 THz、1.96 THz、2.52 THz、2.73 THz处具有明显的吸收峰。     

基于均值漂移和模糊积分融合的高光谱图像分割

针对高光谱图像的特殊性,给出了一种基于均值漂移和模糊积分融合的高光谱图像分割算法。依据高光谱图像各波段间高度的相关性将其分为若干组,通过主成分分析对各波段子集进行降维。在此基础上,采用均值漂移算法计算各波段子集图像的聚类中心进而实现分割,再利用模糊积分融合各波段子集的分割结果。仿真结果证明了该算法的有效性。     

对乙酰氨基酚的太赫兹时域光谱研究

太赫兹波由于其特有的透视性、安全性及光谱分辨本领高等特点,为太赫兹时域光谱技术(Terahertz time-domain spectroscopy, THz-TDS)在物质检测、物质结构辨别、物质定性及定量分析等方面的应用奠定了基础。药品,作为预防和治疗疾病并规定有适应症或者主治功能的物质,一直跟人们的生活息息相关。但是,近年来药品由于质量问题从而危害人们身体健康的新闻屡见不鲜,迫切需要行之有效的药品检测方法的呼声越来越多。而太赫兹时域光谱技术作为一种新型的无损检测的光谱技术,逐步开始被应用到药品检测中。基于此,采用太赫兹时域光谱技术研究了对乙酰氨基酚的太赫兹特征谱。首先,采用太赫兹时域光谱技术测试了对乙酰氨基酚在0.3～4.5 THz范围的太赫兹光谱,实验获取了六个特征吸收主峰和一个肩峰,分别位于1.46,1.88,2.11,2.52,2.95,3.48和4.27 THz;接着,采用密度泛函理论对光谱进行解析,基于气态理论的计算结果,发现实验吸收峰有分子内作用力的贡献,但由于其未能考虑分子间作用力,无法全面对实验吸收峰进行解析;进一步,采用固态密度泛函理论模拟,经过实验和理论结果对比,发现1.46和2.11 THz的吸收峰既有分子间作用力也有分子内作用力,1.88,2.52和2.95 THz处的吸收峰主要来源于分子间作用力,3.48和4.27 THz处的吸收峰主要来源于分子内作用力;最后,对商用品牌中美史克牌的对乙酰氨基酚片做了变质处理,测试其在变质前后0.3～2.75 THz范围内的太赫兹特征峰,通过比较发现,商用药片与对乙酰氨基酚样品的吸收峰完全匹配,说明可以借助THz特征峰对药品进行标定;通过对比对乙酰氨基酚片变质前后的THz吸收谱,发现变质后的药片原有的THz特征峰基本消失,这一方面说明位于0.3～2.75 TH范围内的THz特征峰1.46和1.88 THz虽有分子内作用的贡献,但是主要源于分子间作用力,另一方面也说明随着药品化学特性变化,其对应的THz指纹吸收峰也会发生改变;变质后的药片产生了位于0.69 THz的新特征吸收峰,说明药片在变质后已经形成新的分子间作用力,药品的化学性质已经发生了变化,产生了新的物化功能。     

中医按摩机器人专家控制系统的研究

为改进传统模糊C均值聚类(FCM)算法对初始聚类中心敏感、易陷入局部收敛、抗噪性差、计算量大的问题,提出一种新的基于改进粒子群算法的快速模糊聚类图像分割方法(PSOFFCM)。方法首先利用自适应中值滤波对图像进行滤波处理,增强算法的鲁棒性;然后,将图像像素灰度值映射到二维直方图特征空间,作为聚类样本,优化FCM的目标函数,减少图像分割的计算量;最后,利用PSO算法代替FCM的梯度迭代过程,减弱了算法对初始聚类中心的依赖,同时增强全局搜索能力。实验结果表明,该方法不仅克服了FCM算法对初始聚类中心的依赖,而且抗噪能力强,收敛速度快,分割精度明显优于传统FCM。     

A novel THz spectroscopy recognition method for transgenic organisms based on APSO combined with SVM

Currently, the transgenic products detection methods are mostly based on visible/near-infrared light spectrum. In addition, it is hard to set up the parameters in the support vector machine (SVM) model and there is a large amount of calculation on spectrum data. To solve these problems, this paper proposed an algorithm based on terahertz (THz) spectrum and SVM using adaptive particle swarm optimize (APSO-SVM) for building up the classifications of transgenic cotton seed. To conduct the transgenic cotton seed classification, within the wavelength region 150 μm—3 mm, the THz spectrums are first sampled from 165 samples of three newest transgenic cotton seeds. Then, the 165 transgenic cotton seeds are recognized based on the APSO-SVM. Experiment results indicate that the total recognition rate is up to 97.3%, which prove that the THz spectrum combined with APSO-SVM can provide a reliable, rapid, simple and nondestructive detection method for transgenic cotton seed.     

模糊非相关鉴别C均值聚类的茶叶傅里叶红外光谱分类

茶是一种让人喜爱的健康饮品,不同品种的茶叶其功效和作用是不相同的。研究出一种可靠、简单易行、分类速度快的茶叶品种鉴别方法具有重要的意义。在模糊非相关判别转换(FUDT)算法和模糊C均值聚类(FCM)算法的基础上提出了一种模糊非相关鉴别C均值聚类(FUDCM)算法。FUDCM可以在聚类过程中动态提取光谱数据的模糊非相关鉴别信息。用FTIR-7600型傅里叶红外光谱分析仪分别采集优质乐山竹叶青、劣质乐山竹叶青和峨眉山毛峰三种茶叶的傅里叶中红外光谱,波数范围为4 001.569～401.121 1 cm-1。先用多元散射校正(MSC)进行光谱预处理,然后用主成分分析法(PCA)将光谱数据降维到20维,再利用线性判别分析(LDA)提取光谱数据中的鉴别信息。最后分别运行FCM和FUDCM进行茶叶品种鉴别。实验结果表明：当权重指数m=2时,FCM的聚类准确率为63.64%,FUDCM的聚类准确率为83.33%;FCM经过67次迭代计算实现了收敛,而FUDCM仅需17次迭代计算就可以实现收敛。用傅里叶红外光谱技术结合主成分分析、线性判别分析和FUDCM的方法能快速、有效地实现茶叶品种的鉴别分析,且鉴别准确率比FCM更高。     

基于无监督可能模糊学习矢量量化的近红外光谱生菜品种鉴别研究

为解决模糊学习矢量量化(FLVQ)对噪声数据敏感问题,在无监督可能模糊聚类(UPFC)基础上提出一种无监督可能模糊学习矢量量化(UPFLVQ)算法。UPFLVQ用UPFC的隶属度和典型值来更新学习矢量量化网络的学习速率,计算类中心矢量。UPFLVQ 属于无监督机器学习算法,适用于无学习样本情况下的样本分类。研究了UPFLVQ用于近红外光谱生菜品种鉴别的可行性。采用FieldSpec@3型便携式光谱分析仪获取波长范围为350～2 500 nm的三种生菜样本的短波近红外光谱和长波近红外光谱,然后采用主成分分析(PCA)进行近红外光谱的维数压缩,取前三个主成分,累计可信度达97.50%,将2151维的近红外光谱压缩为三维数据。再运行模糊C-均值聚类(FCM)至迭代终止,并以FCM的类中心作为UPFLVQ的初始聚类中心,最后运行UPFLVQ得到隶属度和典型值以实现近红外光谱的生菜品种鉴别。同时,运行UPFC进行近红外光谱的生菜品种鉴别。实验结果表明：UPFLVQ和近红外光谱技术相结合的模型具有检测速度快,鉴别准确率高,对生菜不造成损坏等优点,可实现不同品种生菜的鉴别。UPFLVQ是将UPFC和FLVQ相结合的聚类算法,利用UPFLVQ建立近红外光谱的生菜品种鉴别模型时无需学习样本,适用于线性可分的数据聚类,为快速和无损地鉴别生菜品种提供了一种新的方法。     

基于递阶模糊聚类的混沌时间序列预测

提出一种新的基于递阶模糊聚类系统的模糊建模方法.目的在于通过一系列的步骤优化T-S模糊模型结构，实现非线性系统的建模和预测.首先利用最近邻聚类法初始划分输入空间，得到规则数及初始聚类中心，用模糊C均值算法(FCM)进一步优化聚类中心；然后利用加权最小二乘法估计模糊模型的初始参数，进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行预测实验，结果表明可以对Mackey-Glass混沌时间序列进行准确建模和预测，证明了本方法的有效性. 关键词： 递阶模糊聚类 模糊建模 混沌时间序列 最小二乘     

近红外高光谱成像的微破损棉种可视化识别

优质棉种是全面推广棉花精量播种技术的基础。采用近红外高光谱成像技术实现微破损棉种可视化识别,为棉种精选设备的研制奠定理论基础。以未破损和微破损两类棉种各540粒作为样本(其中405粒作为建模集,135粒棉种作为预测集),分批采集874~1 734 nm范围的样本高光谱图像,提取光谱数据并去除首尾两端明显噪声保留955~1 659 nm范围内光谱为棉种样本的光谱。首先使用Kennard-Stone(KS)算法进行样本划分,并通过平滑算法Savitsky-Golay(SG)对光谱进行预处理。采用二阶导数光谱(2nd spectra)方法、连续投影算法(SPA)和主成分载荷(PCA-loading)方法分别选取10,14和11个特征波长。基于全部光谱数据和特征波长建立偏最小二乘判别分析(PLS-DA)模型、K最邻近(KNN)模型和支持向量机(SVM)模型,SPA-PLS-DA模型取得了较好的结果,建模集和预测集的鉴别率分别为91.50％和90.33％。基于SPA-PLS-DA模型分别对未破损样本和微破损样本及其混合样本图像进行识别,取得了较好的识别结果,微破损棉种的识别率达90%以上。结果表明,结合近红外高光谱成像和图像处理技术,能够实现微破损棉种的可视化识别。     

无监督学习AE和MVO-DBSCAN结合LIF在煤矿突水识别中的应用

快速准确的识别突水类型和突水来源对煤矿安全开采具有重要意义,激光诱导荧光（LIF）技术在检测中具有快速性和灵敏性,将LIF应用于煤矿突水的检测,再结合模式识别算法,可快速识别出突水来源。目前用于识别水样光谱的算法过于依赖预先建立的水样光谱数据库,当突水水源不在该库中时,易引发误识别。无监督学习算法DBSCAN在聚类时不需样本集的标签和类别信息,能降低对未知类别的误识别,因此把DBSCAN算法用于突水的激光诱导荧光光谱识别,并将MVO用于DBSCAN的参数寻优,省去繁琐的人工参数寻优过程。实验中,从谢桥煤矿采水点获取四个水样,利用像素为2 048的USB2000+光谱仪采集水样的荧光光谱,每种水样采集30组光谱数据。首先,利用无监督学习算法自动编码器(AE)对原始光谱数据降维,以减少光谱数据中冗余信息对聚类的影响,设计的AE的结构是介于浅层和深层之间的多层网络模型,可将原始光谱数据降到2维;为使降维模型具有稀疏性,在传统的AE算法中加入一个Dropout层,由实验可知,加入Dropout层后的降维模型具有较快的收敛速度。将多元宇宙优化(MVO)算法用于DBSCAN参数寻优,在参数寻优过程中,DBSCAN对降维后的水样光谱识别率最高为97.5%,此时参数所对应的取值范围为[0.023 66 0.040 65];为验证AE对水样光谱数据降维的有效性,把归一化后的未降维的光谱数据用于DBSCAN聚类识别,DBSCAN对原始水样光谱的识别率最高为95%,比降维后的后水样光谱识别率低了2.5%,结果表明,使用AE降维光谱数据,可提高DBSCAN对不同光谱的识别率。最后,用监督学习算法K最近邻(KNN)识别降维后的水样光谱,将识别结果和无监督学习算法DBSCAN的识别结果对比,其中训练集选用三种水样,测试集使用四种水样;在测试集中,监督学习算法只能准确地识别训练集所包含的水样类别,但把训练集没有的类别全部识别错误,而DBSCAN能准确的识别出训练集中没有的水样光谱。非线性降维算法AE能实现对高维的水样光谱数据降维,把MVO-DBSCAN用于煤矿突水水源的LIF光谱识别,可有效降低因矿井水源光谱数据库建立不完备而引起的误识别。     

Classification and recognition of transgenic product by terahertz spectroscopy and DSVM

The purpose of this paper is to construct a classification model that can identify class accurately and control imbalance. A novel adaptive decision support vector machine (DSVM) is proposed for the recognition of transgenic cotton seed based on terahertz spectroscopy (THz), which make the traditional support vector machine is ability of adaptive decision, and select optimal parameters by using particle swarm optimization (PSO). For the classification and recognition of the transgenic cotton seeds, firstly, the factor analysis (FA) is applied to reduce the dimension and extract the feature spectrum of original spectral information. Secondly, the feature spectrum is selected and fed into the model of DSVM to recognize the different transgenic cotton seeds. The experimental results show that the proposed method can effectively classify the different transgenic cotton seeds, and its recognition rate surpasses the comparative method evidently.     

基于鲁棒模糊聚类的混沌时间序列预测

采用一种基于鲁棒模糊聚类算法的模糊辨识方法,通过引入局部划分关联度因子,增强了系统辨识的抗干扰能力,提高了系统辨识的鲁棒性.首先用最近邻模糊聚类法划分初始输入空间,得到模糊规则数及初始聚类中心;然后用鲁棒模糊聚类算法求解并优化模糊隶属度和聚类中心,建立高精度的T-S模糊模型;最后利用最小二乘法辨识模型的初始结论参数,进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行建模和预测,仿真结果表明利用本方法可以进行准确建模和预测,验证了本方法的鲁棒性、有效性和实 关键词： 最近邻模糊聚类 鲁棒模糊聚类 混沌时间序列 最小二乘法