1.基于谱聚类分析的即时学习建模方法，其特征在于，该方法步骤为：步骤1：收集输入输出数据组成历史训练数据库步骤2：实施谱聚类把训练数据划分到不同的操作阶段，所述的谱聚类算法为：输入数据集X∈RN×J，其中，J是过程变量的维数，N是训练样本的个数，xi∈RJ为输入数据集X中第i个样本的值，i＝1,2,…,N,定义相似度矩阵W，本文采用式(1)定义的相似度测度其中，|xi-xj|表示xi与xj之间欧式距离，τ为此相似度测度的参数。

计算拉普拉斯矩阵

L＝D-W                                            (2)其中，

对L进行特征值分解，得到特征值集合 与特征向量集合 特征向量按特征值有小到大顺序排列。

选取前c个特征向量 对 实施k-means，得到聚类结果 其中k为设定的聚类个数，Xg表示第g阶段的全部样本。

步骤3：k-means的详细步骤

随机选取个k聚类质心点初始值，μg(g＝1,2,...,k)，重复下面过程直到聚类质心点收敛{

对于每一个样本xi，计算其应该属于的类其中，g(xi)表示xi属于的类

对于每一个类g，重新计算该类的质心其中，N(Xg)表示第g阶段的全部样本的个数。

步骤4：

通过离线训练阶段，对历史数据进行谱聚类，得到分类好的数据集当新的查询样本到来时，先计算其隶属于各类的后验概率，计算方式为式(6)-式(8)其中，p(g)为第g类的先验概率，n(Xg)和n(X)分别表示第g类和整个训练集中的样本个数；p(x|g)是似然函数，μg表示第g类样本的聚类质心。

步骤5：计算训练样本中的样本xi与查询样本xq之间相似度步骤6：最终，对于某个查询样本，将训练样本按照与其的相似度从大到小的顺序排列，选择L个样本构建局部软测量模型。当下一个的查询样本到来时丢弃旧的模型，再按照上述程序再次建立局部模型。

2.根据权利要求1所述的基于谱聚类分析的即时学习建模方法，其特征在于，定义了更适合描述复杂工业多阶段特性相似度测度。