[發(fā)明專(zhuān)利]基于混合聚類(lèi)集成選擇策略的聚類(lèi)集成方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710286474.0
• 申請(qǐng)日: 2017-04-27
• 公開(kāi)（公告）號(hào): CN107169511A
• 公開(kāi)（公告）日: 2017-09-15
• 發(fā)明（設(shè)計(jì)）人: 余志文;施一帆;李樂(lè)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 華南理工大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62
• 代理公司: 廣州市華學(xué)知識(shí)產(chǎn)權(quán)代理有限公司44245
• 代理人: 李斌

1.一種基于混合聚類(lèi)集成選擇策略的聚類(lèi)集成方法，其特征在于，包括如下步驟：

S1、輸入測(cè)試數(shù)據(jù)集樣本矩陣X；

S2、使用基礎(chǔ)聚類(lèi)算法對(duì)測(cè)試數(shù)據(jù)集樣本矩陣X進(jìn)行聚類(lèi)操作，生成基礎(chǔ)聚類(lèi)結(jié)果集合；

S3、將基礎(chǔ)聚類(lèi)結(jié)果集合轉(zhuǎn)換到新特征空間，且基礎(chǔ)聚類(lèi)結(jié)果集合中的每一個(gè)聚類(lèi)結(jié)果作為新特征空間的每一個(gè)特征；

S4、使用特征選擇技術(shù)對(duì)特征進(jìn)行聚類(lèi)集成選擇，得到聚類(lèi)結(jié)果子集；

S5、對(duì)聚類(lèi)結(jié)果子集使用賦權(quán)函數(shù)獲得最終聚類(lèi)結(jié)果子集；

S6、集成最終聚類(lèi)結(jié)果子集，得到最終聚類(lèi)結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于混合聚類(lèi)集成選擇策略的聚類(lèi)集成方法，其特征在于，所述步驟S1的測(cè)試數(shù)據(jù)集樣本矩陣X，其行向量對(duì)應(yīng)樣本維、列向量對(duì)應(yīng)屬性維。

3.根據(jù)權(quán)利要求1所述的基于混合聚類(lèi)集成選擇策略的聚類(lèi)集成方法，其特征在于，所述步驟S2具體為：

S21、使用K均值聚類(lèi)算法或譜聚類(lèi)算法作為基礎(chǔ)聚類(lèi)算法；

S22、設(shè)C_real為真實(shí)聚類(lèi)數(shù)，取區(qū)間[2,2C_real]內(nèi)隨機(jī)整數(shù)用于設(shè)置基礎(chǔ)聚類(lèi)算法的聚類(lèi)數(shù)參數(shù)；

S23、使用基礎(chǔ)聚類(lèi)算法和聚類(lèi)數(shù)參數(shù)對(duì)測(cè)試數(shù)據(jù)集樣本矩陣X進(jìn)行聚類(lèi)操作；

S24、根據(jù)設(shè)定次數(shù)，重復(fù)步驟S21-S23，產(chǎn)生基礎(chǔ)聚類(lèi)結(jié)果集合L＝{l₁,l₂,…,l_s}。

4.根據(jù)權(quán)利要求3所述的基于混合聚類(lèi)集成選擇策略的聚類(lèi)集成方法，其特征在于，所述K均值聚類(lèi)算法的使用方式為：先隨機(jī)選取K個(gè)樣本作為初始聚類(lèi)中心，接著計(jì)算每個(gè)樣本與各聚類(lèi)中心的歐氏距離，把每個(gè)樣本分配給最近的聚類(lèi)中心，然后將每個(gè)聚類(lèi)中心更新為各個(gè)聚類(lèi)內(nèi)樣本的均值，上述過(guò)程不斷重復(fù)直至滿足所述設(shè)定次數(shù)，所述設(shè)定次數(shù)根據(jù)實(shí)際需求進(jìn)行調(diào)整；

所述譜聚類(lèi)算法的使用方式為：通過(guò)生成圖的鄰接矩陣得到歸一化拉普拉斯矩陣，通過(guò)對(duì)拉普拉斯矩陣最小K個(gè)特征值對(duì)應(yīng)的特征向量進(jìn)行K均值聚類(lèi)算法聚類(lèi)，得到基礎(chǔ)聚類(lèi)結(jié)果。

5.根據(jù)權(quán)利要求4所述的基于混合聚類(lèi)集成選擇策略的聚類(lèi)集成方法，其特征在于，所述設(shè)定次數(shù)為100次。

6.根據(jù)權(quán)利要求1所述的基于混合聚類(lèi)集成選擇策略的聚類(lèi)集成方法，其特征在于，所述步驟S3，具體為：

S31、將每個(gè)聚類(lèi)結(jié)果作為新特征空間的一個(gè)特征；

S32、將每個(gè)聚類(lèi)結(jié)果對(duì)測(cè)試數(shù)據(jù)集樣本中某一樣本的聚類(lèi)標(biāo)簽構(gòu)成列向量，得到該樣本在新特征空間表示；

S33、使用步驟S32得到的所有列向量構(gòu)成新特征空間下的樣本矩陣其中x′_pi＝l_ip(p∈{1,…,n}),i∈{1,…,s})，L為基礎(chǔ)聚類(lèi)結(jié)果集合，l_i為第i個(gè)基礎(chǔ)聚類(lèi)結(jié)果，n為樣本數(shù)，s為基礎(chǔ)聚類(lèi)結(jié)果數(shù)；將每個(gè)聚類(lèi)結(jié)果視作新樣本，各個(gè)基礎(chǔ)聚類(lèi)結(jié)果視作特征，即X′第i行包含了各個(gè)聚類(lèi)結(jié)果對(duì)樣本x_p′的預(yù)測(cè)聚類(lèi)標(biāo)簽。

7.根據(jù)權(quán)利要求1所述的基于混合聚類(lèi)集成選擇策略的聚類(lèi)集成方法，其特征在于，所述步驟S4，具體為：

S41、采用SPEC算法作為特征選擇技術(shù)對(duì)特征進(jìn)行聚類(lèi)集成選擇，得到聚類(lèi)結(jié)果子集L_SPEC；

S42、采用RELIEF算法作為特征選擇技術(shù)對(duì)特征進(jìn)行聚類(lèi)集成選擇，得到聚類(lèi)結(jié)果子集L_RELIEF；

S43、采用MRMR算法作為特征選擇技術(shù)對(duì)特征進(jìn)行聚類(lèi)集成選擇，得到得到聚類(lèi)結(jié)果子集L_MRMR；

44、采用DISR算法作為特征選擇技術(shù)對(duì)特征進(jìn)行聚類(lèi)集成選擇，得到聚類(lèi)結(jié)果子集L_DISR。