[發明專利]一種面向多維屬性數據的多層聚類融合機制的設計方法

有效

• 申請號: 201510362392.0
• 申請日: 2015-06-26
• 公開（公告）號: CN104933444B
• 公開（公告）日: 2019-01-01
• 發明（設計）人: 葉寧;張迎亞;黃海平;沙超;王汝傳
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 南京知識律師事務所 32207
• 代理人: 汪旭東

1.一種面向多維屬性數據的多層聚類融合機制的設計方法，其特征在于，所述方法包括如下步驟：

步驟1：將數據集轉化成矩陣形式，對數據進行預處理；

步驟2：根據數據指標屬性特點提取最優參考標準，并對數據進行歸一化處理；

步驟3：計算灰關聯度，生成灰關聯度相似矩陣，然后進行灰關聯度聚類,得到初次聚類結果；

步驟4：根據上述步驟3初次聚類結果，采用粗糙集理論建立決策表系統；

步驟5：對每個聚類成員c_h,計算它在該決策系統中的屬性重要性信息熵值E_h＝I(c_h,D)，D表示最優參考標準融合結果；

步驟6：對每個聚類成員c_h設置權值:p代表有p組參考序列；

步驟7：根據計算的權值，采用概率方法計算每個數據對象在每個所屬類級別里的概率，從中選擇取值最大概率時所在的類級別，就是該數據對象所屬類級別，得到最終聚類融合結果。

2.根據權利要求1所述的一種面向多維屬性數據的多層聚類融合機制的設計方法，其特征在于，所述方法的步驟1包括如下步驟：

各傳感器節點獲得感知區域數據信息，完成本地數據矩陣化；

(1)分析域數據集X，即：比較對象集；

X＝{X_i|X_i＝(X_i1,...,X_im,class)}i∈N,m∈N

每個樣本數據X_i i∈N代表第i個數據對象，每個數據對象有m種屬性，class代表該數據對象所屬類級別，初始時都是0；

(2)參考序列集，即：參考對象集Y＝{Y_i|Y_i＝(Y_i1,...,Y_im)}i＝1,2,...,p；

其中p∈N，p代表有p組參考序列，m代表每組參考序列有m種屬性，每一組參考序列與分析域的比較對象集經過灰關聯聚類都可以得到一種聚類結果，p組參考序列分別與比較對象集經聚類可得到p種聚類結果，而從分析域數據集本身提取的最優參考標準與比較對象集經過聚類也得到一種聚類結果，整個過程得到p+1種聚類結果，即p+1個聚類成員；

(3)無線傳感器網絡感知的數據容易出現差錯，且在時間和空間上存在不確定性、冗余性；首先要對采集的數據進行過濾清洗，篩選掉異常信息數據，通過設置合理的閾值，過濾掉異常孤立點。