用于桥梁时序异常分类的深度聚类方法

本发明实施例中提供了一种用于桥梁时序异常分类的深度聚类方法，属于数据处理技术领域，具体包括：步骤1，获取多个传感器采集的桥梁的样本时序数据并进行预处理；步骤2，基于卷积神经网络和长短期记忆神经网络构建自编码模块；步骤3，将预处理后的样本时序数据输入编码器进行二阶段自编码训练；步骤4，提取特征信息和k l散度损失函数训练聚类器；步骤5，联合二阶段自编码训练的损失函数和k l散度损失函数得到融合损失函数，并据此再次训练编码器，并将训练好的编码器和训练好的聚类器形成分类模型；步骤6，采集目标桥梁上多个传感器对应的目标时序数据输入分类模型，得到分类结果。通过本发明的方案，提高了分类精准度和适应性。