[發(fā)明專利]一種基于半監(jiān)督學習的GA-SOM聚類方法

無效

• 申請?zhí)枺?/td>: 201010576193.7
• 申請日: 2010-12-07
• 公開（公告）號: CN102024179A
• 公開（公告）日: 2011-04-20
• 發(fā)明（設計）人: 孫雁飛;張順頤;亓晉;顧成杰;朱偉春;王攀
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06N3/12
• 分類號: G06N3/12
• 代理公司: 南京經(jīng)緯專利商標代理有限公司 32200
• 代理人: 許方

1.一種基于半監(jiān)督學習的GA-SOM聚類方法，其特征在于，包括如下步驟：

步驟1)，對樣本數(shù)據(jù)進行預處理，所述預處理過程包括空值處理、歸一化數(shù)據(jù)；

步驟2)，采用半監(jiān)督學習策略對預處理后的樣本數(shù)據(jù)進行初始化，具體步驟為：

2)-A、根據(jù)歷史數(shù)據(jù)及專家?guī)扈b定，去除樣本中冗余信息，設樣本X＝(x₁，x₂，...，x_m)，其中m為樣本總數(shù)，經(jīng)由專家?guī)旒皻v史數(shù)據(jù)產(chǎn)生一個關鍵數(shù)據(jù)比例權值β，β∈(0，1)，所述關鍵數(shù)據(jù)由專家?guī)旒皻v史數(shù)據(jù)對樣本數(shù)據(jù)進行查詢匹配得出，該數(shù)據(jù)代表某種類別，β即為關鍵數(shù)據(jù)占總數(shù)據(jù)的比例；

2)-B、初始化t＝0，t是指循環(huán)次數(shù)；

2)-C、對樣本數(shù)據(jù)按照從小至大的順序進行標記，標記數(shù)為：Num_tag＝mβ+σ，其中σ∈{1，2，...，m-mβ}；

2)-D、采用SOM網(wǎng)絡進行數(shù)據(jù)樣本訓練；

2)-E、令t＝t+1，返回執(zhí)行2)-C步驟；

2)-F、當滿足條件Num_tag＝m時，訓練結束，樣本數(shù)據(jù)初始化完成；

步驟3)，確定網(wǎng)絡輸入模式：令Xⁱ＝(x₁，x₂，...，x_n)，其中i表示第i個樣本，n為輸入層節(jié)點數(shù)，即為樣本總數(shù)；

步驟4)，根據(jù)以下公式計算輸入模式X_i與所有輸出節(jié)點間權向量的歐式距離：其中，n表示輸入層節(jié)點數(shù)、y表示輸出層節(jié)點數(shù)、i表示輸入節(jié)點、j表示輸出節(jié)點，w_ij表示輸入節(jié)點與輸出節(jié)點之間的連接權值，表示第i個輸入節(jié)點下的第k個樣本，n、y、i、j、k均為正整數(shù)；

步驟5)，取最小歐式距離作為獲勝節(jié)點c；

步驟6)，計算獲勝節(jié)點c的適應度值，選出具有最小聚類中心的最大節(jié)點權值W_max，進而更新獲勝節(jié)點c的權值；其中W_max＝d_min(C_i′，C_j′)，即計算C_i′、C_j′這兩個類的聚類中心距離，距離最小適應度最好；具體步驟為：

參數(shù)定義：用Y表示獲勝節(jié)點c的所有樣本空間，y_i′表示不同的特征元，即Y＝{y_i′|i′＝1，...m′}，m′為獲勝節(jié)點c的樣本總數(shù)，過程如下：

6)-a步，另t′＝0，t′指循環(huán)次數(shù)，根據(jù)步驟2)所述的步驟初始化特征子集：

G(t′)＝{y₁，y₂，...，y_n′}；

6)-b步，根據(jù)適應值函數(shù)評價特征元；所述適應值函數(shù)采用優(yōu)化問題的目標函數(shù)選取，即其中C_i′、C_j′表示兩個不同聚類，P_i′、P_j′表示個體被選中的概率，W_max表示最大權值，d_min表示與W_max對應的最小聚集中心；

6)-c步，進化體系，具體步驟為：

6)-c-1，初始化計數(shù)器i′＝1，判斷i′是否小于m′，當i′小于m′，進入下一步；否則終止迭代進入步驟7)；

6)-c-2，母體選擇：通過該個體的適應度與群體其他成員的適應度比值進行選擇，個體被選中的概率P_i′與它的適應度比值成正比，；其中f(y_i′)為y_i′的適應度值，group_size表示種群大小；y_k′與y_i′均表示獲勝節(jié)點c某個子代個體；

6)-c-3，母體經(jīng)過交叉產(chǎn)生n′個中間個體(O₁，O₂，...，O_n′)；n′為正整數(shù)；

6)-c-4，n′個中間個體(O₁，O₂，...，O_n′)經(jīng)過變異產(chǎn)生n′個全新的子代，即特征子集；

6-d步，將新產(chǎn)生的子代加入G(t′)，并計算適應度值；

6-e步，選出適應度從高至低的m′個個體，作為下一次的訓練樣本，即G(t′)→G(t′+1)，并轉至6-b步驟；

6-f步，當6-e步的迭代次數(shù)超過樣本總數(shù)m′的2倍時終止迭代；

步驟7)，確定獲勝節(jié)點c的鄰域范圍N_C，N_C取高斯函數(shù)表示，根據(jù)以下公式調(diào)整獲勝節(jié)點c的權向量：其中，表示權值w_i′j′的調(diào)整大小，ε(t′)隨時間t′呈衰減趨勢；w_i′j′表示獲勝節(jié)點c與輸入節(jié)點之間的連接權值，表示獲勝節(jié)點c的第i′個輸入節(jié)點下的第k′個樣本；以上i′、j′、k′均為正整數(shù)；

步驟8)，判斷ε(t′)是否為0或迭代達到指定的最大次數(shù)，當結果為是，訓練結束，分類不再改變，聚類過程終止；否則轉至步驟3)，繼續(xù)執(zhí)行。