数据曲线K_means聚类分析

用于负荷数据曲线分析，输入曲线数据，输出分类结果，并可视化显示聚类效果。该方法采用均一化、曲线平滑、特殊值处理、DB值评价聚类结果、自动选择聚类数等过程，能够较好的完成曲线数据处理。

%% 数据读取 生成随机矩阵
clear;
list = importdata（‘list.txt‘）;  %%call by list{n}
list = char（list）;
data = load（“data.txt“）;
[m n] = size（data）;
flog = fopen（‘log.txt‘‘w‘）;    %日志文件
fprintf（flog‘%s\r\n‘‘20180726最大负荷日 支路数据‘）;

%% 数据预处理
zero_num = 0;   % 除零
fid = fopen（‘all_zero.txt‘‘w‘）;
new_data = zeros（1n）;
for i = 1:m
    if sum（data（i:）） == 0    %检测存储全零数据
        zero_num = zero_num+1;
        fprintf（fid‘%s\r\n‘list（i:））;
    else
        new_data（i-zero_num:） = data（i:）;
        new_list（i-zero_num:） = list（i:）; %#ok
    end
end
%disp（[‘滤除全零数据共‘num2str（zero_num）‘条‘]）;
fprintf（flog‘%s\r\n‘[‘滤除全零数据共‘num2str（zero_num）‘条‘]）;
fclose（fid）;
clear data list zero_num;

rng default;    % 取样
[bootstatsub] = bootstrp（1@meannew_data）;
[m n] = size（new_data）;


%% %曲线平滑  异常值处理
inv_num=0;
for i = 1:m
    new_data（i:） = smooth（new_data（i:）10‘rlowess‘）;  %曲线平滑
    %moving rlowess rloess
    
    %new_data（i:） = zscore（new_data（i:））;   %归一化处理
    [new_data（i:）~] = mapminmax（new_data（i:）01）;
    
    if abs（max（new_data（i:）） - min（new_data（i:））） < 0.000001  %处理恒不变数据
        new_data（i:） = ones（1 n）;
        inv_num = inv_num+1;
    end
end
%disp（[‘处理恒不变数据共‘num2str（inv_num）‘条‘]）;
fprintf（flog‘%s\r\n‘[‘处理恒不变数据共‘num2str（inv_num）‘条‘]）;
clear inv_num ;

%% 自带函数进行mean聚类
cluster = zeros（m1）;
for K = 1:sqrt（m/2）
    [cluster（:K）] = kmeans（new_dataK）;   %保存每次聚类结果‘replicate‘5 迭代次数
    % [idxcenter] = kmeans（new_data K）;
end
eva = evalclusters（new_datacluster‘DaviesBouldin‘）;  %DB参数评估最佳聚类数
[~DB_max] = max（eva.CriterionValues）;

fprintf（flog‘%f\r\n‘eva.CriterionValues）;
% eva2 = evalclusters（new_datacluster‘CalinskiHarabasz‘）;
% [~CH_max] = max（eva2.CriterionValues）;
% eva3 = evalclusters（new_datacluster‘Silhouette‘）;
% [~SH_max] = max（eva3.CriterionValues）;

pattern=zeros（m n+1）;       %结果存储
pattern（:1:n） = new_data（::）;
%pattern（:1+n） = cluster（: