Метод кластеризації квазіперіодичного сигналу на основі алгоритму клонального відбору

Abstract

У роботі запропоновано ієрархічно-ітеративний метод кластеризації квазіперіодичного сигналу, що базується на алгоритмі клонального відбору, підвищує швидкість та точність кластеризації. Попередньо проводиться перетворення зразків (квазіперіодичних ділянок) цього сигналу до єдиного амплітудно-часового вікна на основі зсуву та масштабування за часом і амплітудою, лінійною інтерполяцією та дискретизацією за часом. У результаті проведеного аналізу сучасних методів кластеризації квазіперіодичних сигналів встановлено, що більшість із них має один або кілька з таких недоліків: невідома точна кількість кластерів; чутливість до початкових значень центроїдів кластерів; низька ймовірність кластеризації; низька швидкість кластеризації; порівняння ділянок сигналу, що мають лише однаковий розмір; порівняння лише бінарних сигналів. Тому актуальною є розробка методу перетворення квазіперіодичного сигналу й ієрархічно-ітеративного методу кластеризації на основі алгоритму клонального відбору. Це забезпечить підвищення ефективності аналізу структури квазіперіодичного сигналу при проведенні обробки цифрових даних в інтелектуальних комп’ютерних системах ідентифікації особистості, технічної і медичної діагностики, аналізу мережевого трафіку тощо. Наведено порівняння запропонованого авторами методу й існуючих методів кластеризації, при цьому параметр клонування α=0.1, параметр мутації β=2.5, кількість замінних антитіл d=0.2|H|. Кластеризація проводилася на квазіперіодичних звуках мовлення, виголошених різними дикторами. Запропоновано метод перетворення квазіперіодичного сигналу, який перетворює зразки (квазіперіодичні ділянки) цього сигналу до єдиного амплітудно-часового вікна, за допомогою зсуву й масштабування за часом і амплітудою, інтерполяцією та дискретизацією. Це дозволяє порівнювати зразки сигналу різної довжини та з різним розмахом амплітуд. Створено метод кластеризації квазіперіодичного сигналу на основі ієрархічно-ітеративного підходу й алгоритму клонального відбору, що зменшує чутливість до початкових значень центроїдів кластерів за рахунок випадкового пошуку та забезпечує адаптивне налаштування кількості кластерів за рахунок ієрархічного підходу, а також підвищує ймовірність кластеризації до 0.98.

The paper proposes a hierarchical-iterative method of clustering of a quasi-periodic signal based on clonal selection algorithm, which increases the speed and accuracy of clustering. Preliminary transformation of samples (quasi-periodic areas) of this signal into a single amplitude-time window based on shift and scaling in time and amplitude, linear interpolation and time sampling is performed. Signals processed by intelligent computer systems for identification, analysis and synthesis, storage of digital signals (such as acoustic, graphic, vibration, electrogram, communication ones, etc.) are often quasi-periodic. This raises the problem of constructing effective methods for analyzing the structure of a quasi-periodic signal. One of the means of analyzing the structure of a quasiperiodic signal is clustering, which is a type of machine learning without a teacher. As a result of the analysis of modern methods of clustering of quasi-periodic signals, it has been found that most of them have one or more of the following disadvantages: unknown exact number of clusters; sensitivity to initial values of the centroids of clusters; low probability of clustering; low speed of clustering; comparison of signal areas that have only the same size; comparison of only binary signals. Therefore, it is important to develop a method for transforming a quasi-periodic signal and a hierarchical-iterative method of clustering based on a clonal selection algorithm. This will increase the efficiency for the analysis of quasi-periodic signal structure in digital data processing in intelligent computer systems of identity identification, technical and medical diagnostics, network traffic analysis, etc. A comparison of the method proposed by the authors and existing clustering methods is given, with the cloning parameter α = 0.1, the mutation parameter β = 2.5, the number of replacement antibodies d = 0.2 | H |. Clustering has been performed on quasi-periodic speech sounds uttered by different speakers. A method for converting a quasi-periodic signal, which converts samples (quasiperiodic areas) of this signal into a single amplitude-time window by shifting and scaling in time and amplitude, interpolation and sampling, is proposed. This allows to compare signal samples of different lengths and with different amplitudes. A method for clustering a quasi-periodic signal based on a hierarchical-iterative approach and a clonal selection algorithm has been developed, which reduces the sensitivity to initial values of cluster centroids due to random search and provides adaptive adjustment of the cluster number due to the hierarchical approach, and also increases the probability of clustering to 0.98.