前言

本次样本中的片段数据涉及到多个故障原因，目的在于通过聚类的方式，将样本中为同一因素导致的故障数据筛选出来。
源码+测试样本

提示：以下是本篇文章正文内容，下面案例仅供参考

一、原始数据

数据的导入，利用Matlab导入Excel数据，生成操作性更高的脚本用于本次的测试。
数据导入
在导入数据的过程中，筛选去掉不需要的冗余数据，生成对应的脚本文件

至此完成数据的初步导入

二、数据处理与结果输出

1.标准化与提取

数据提取与标准化逻辑

采取的是最大最小值标准化方式

标准化代码如下：

%% 函数区域function [normalized_data] = normalize(source_data, kind)
% 数据的标准化（归一化）处理
% 参数 source_data 可用格式的源数据
% 参数 kind 代表何种归一化方式, 默认为1. 1代表Min-Max标准化,2代表Z-score标准化.
% 返回归一化后的数据if nargin < 2 % 如果参数少于2,默认进行Min-Max标准化kind = 1;
end[m, n]  = size(source_data);
normalized_data = zeros(m, n);%% Min-Max标准化(Min=0,Max=1)
if kind == 1for i = 1:nma = max( source_data(:, i) ); % Matlab中变量名不宜和函数名相同，所以不用max、min、mean等变量名mi = min( source_data(:, i) );normalized_data(:, i) = ( source_data(:, i)-mi ) / ( ma-mi );end
end
%% Z-score标准化
if kind == 2for i = 1:nmea = mean( source_data(:, i) );st = std( source_data(:, i) );normalized_data(:, i) = ( source_data(:, i)-mea ) / st;end
end
end