[發明專利]一種最小方差優化初始聚類中心的模糊C均值聚類方法在審
| 申請號： | 201710503214.4 | 申請日： | 2017-06-27 |
| 公開（公告）號： | CN107330458A | 公開（公告）日： | 2017-11-07 |
| 發明（設計）人： | 李學剛;狄嵐;李斌;李通明 | 申請（專利權）人： | 常州信息職業技術學院 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62 |
| 代理公司： | 常州佰業騰飛專利代理事務所(普通合伙)32231 | 代理人： | 滕詣迪 |
| 地址： | 213164 江蘇*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 最小 方差 優化 初始 中心 模糊 均值 方法 | ||
1.一種最小方差優化初始聚類中心的模糊C均值聚類方法，其特征在于，包括以下步驟：
步驟S1：對輸入數據集與樣本點的距離關系進行聚類；
步驟S2：將聚類分析方法用于對目標數據集聚類分析得到聚類標簽；
步驟S3：聚類分析后得到的聚類標簽與原始標簽依據評價指標進行性能評價。
2.根據權利要求1所述的一種最小方差優化初始聚類中心的模糊C均值聚類方法，其特征在于，所述步驟S1中，輸入的數據集采用人工模擬數據集和UCI數據集進行輸入，聚類類別數根據人工模擬數據集和UCI數據集確定。
3.根據權利要求2所述的一種最小方差優化初始聚類中心的模糊C均值聚類方法，其特征在于，所述步驟S2中，通過目標數據集聚類分析，對目標數據集和像素點設定聚類標簽，聚類標簽的設定步驟包括：
步驟S21：根據目標數據集中樣本的物理位置來設定標簽，在人工模擬數據集和UCI數據集中設置標簽數；
步驟S22：將FCM算法用于設定好標簽的數據組成的數據集中，得到聚類分析后的隸屬度矩陣U和聚類中心V。
4.根據權利要求3所述的一種最小方差優化初始聚類中心的模糊C均值聚類方法，其特征在于，所述步驟S22具體包括如下步驟：
步驟S221：首先確定聚類類別數c；
步驟S222：設置最大迭代次數Maxt以及最大誤差閾值ε；
步驟S223：設定由FCM算法聚類分析得到的隸屬度矩陣U，以及聚類中心V，作為FCM算法的初始隸屬度和聚類中心，此時設初始迭代次數t＝1；
步驟S224：通過迭代優化公式更新隸屬度矩陣和聚類中心矩陣。
5.根據權利要求4所述的一種最小方差優化初始聚類中心的模糊C均值聚類方法，其特征在于，所述步驟S224中，所述迭代優化公式為：
u為隸屬度矩陣，d為模糊度矩陣，v為聚類中心，m為模糊指數，x為樣本方差；
直至當t達到最大迭代次數Max_t或者當||U(t+1)-U(t)||Frobenius＜ε時，方法終止，此時的U，V即為方法的最優解。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于常州信息職業技術學院，未經常州信息職業技術學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710503214.4/1.html，轉載請聲明來源鉆瓜專利網。
