[發(fā)明專(zhuān)利]一種局部加權(quán)的不完整數(shù)據(jù)混雜聚類(lèi)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201710993558.8
• 申請(qǐng)日: 2017-10-23
• 公開(kāi)（公告）號(hào): CN107766887A
• 公開(kāi)（公告）日: 2018-03-06
• 發(fā)明（設(shè)計(jì)）人: 張利;牛明航;孫穎;石振桔;郭煒儒;孫軍;王軍;趙中洲
• 申請(qǐng)（專(zhuān)利權(quán)）人: 遼寧大學(xué)
• 主分類(lèi)號(hào): G06K9/62
• 分類(lèi)號(hào): G06K9/62;G06N3/12
• 代理公司: 沈陽(yáng)杰克知識(shí)產(chǎn)權(quán)代理有限公司21207
• 代理人: 羅瑩

技術(shù)領(lǐng)域

本發(fā)明涉及一種局部加權(quán)的不完整數(shù)據(jù)混雜聚類(lèi)方法，屬于不完整數(shù)據(jù)聚類(lèi)領(lǐng)域。

背景技術(shù)

信息技術(shù)高速發(fā)展帶來(lái)的是各個(gè)領(lǐng)域的海量、復(fù)雜的數(shù)據(jù),無(wú)論在容量方面還是規(guī)模方面都已經(jīng)遠(yuǎn)遠(yuǎn)的超出了人為可以處理的能力。為了高效且準(zhǔn)確的分析這些數(shù)據(jù)，聚類(lèi)分析已經(jīng)成為新的發(fā)展和新的趨勢(shì)，利用計(jì)算機(jī)編寫(xiě)的程序智能且準(zhǔn)確的完成分類(lèi)。

模糊C-均值(FCM)作為一個(gè)基本無(wú)監(jiān)督聚類(lèi)方法，通常適合處理沒(méi)有丟失屬性的數(shù)據(jù)聚類(lèi)。然而，在實(shí)際生活和工業(yè)應(yīng)用中數(shù)據(jù)漏輸、錄入錯(cuò)誤、設(shè)備故障、計(jì)劃改變、數(shù)據(jù)采集失敗及隨機(jī)噪聲影響等因素致使了數(shù)據(jù)的不再完整，這時(shí)對(duì)存在缺失屬性的數(shù)據(jù)進(jìn)行聚類(lèi)分析將會(huì)影響其結(jié)果的精準(zhǔn)性。傳統(tǒng)的WDS-FCM算法、PDS-FCM算法、OCS-FCM算法、NPS-FCM算法、NNI算法。聚類(lèi)效果仍然不是很理想。所以我們需要一種更加優(yōu)化的方法。

若只用利用局部加權(quán)優(yōu)化聚類(lèi)算法，與FCM算法相類(lèi)似都是采用梯度下降機(jī)制尋優(yōu)的；對(duì)初始設(shè)置的參數(shù)值都較敏感以及容易出現(xiàn)陷入局部收斂的局限性等等。若只利用遺傳算法優(yōu)化聚類(lèi)算法，雖然聚類(lèi)效果得到明顯的提升，但是仍有過(guò)早收斂等缺陷。

發(fā)明內(nèi)容

本發(fā)明針對(duì)上述問(wèn)題，提出一種更加合理的聚類(lèi)方法，該方法基于改進(jìn)的遺傳算法的局部加權(quán)的不完整數(shù)據(jù)混雜聚類(lèi)方法，并將運(yùn)用于數(shù)據(jù)分類(lèi)中，具體步驟如下：

本發(fā)明的目的是通過(guò)下述技術(shù)方案實(shí)現(xiàn)的：一種局部加權(quán)的不完整數(shù)據(jù)混雜聚類(lèi)方法，其步驟如下：

(1)收集數(shù)據(jù)：所使用的數(shù)據(jù)為UCI標(biāo)準(zhǔn)測(cè)試數(shù)據(jù)集包括：Iris、Bupa、Wine和Breast；

(2)數(shù)據(jù)處理：隨機(jī)使部分?jǐn)?shù)據(jù)缺少部分屬性，變成不完整數(shù)據(jù)；

(3)數(shù)據(jù)估算：利用改進(jìn)的遺傳算法中的個(gè)體對(duì)不完整數(shù)據(jù)的缺失屬性進(jìn)行估算；

(4)聚類(lèi)分析：基于matlab軟件對(duì)估算的數(shù)據(jù)進(jìn)行模糊聚類(lèi)分析.

所述步驟(3)利用改進(jìn)的遺傳算法中的個(gè)體對(duì)不完整數(shù)據(jù)的缺失屬性進(jìn)行估算的過(guò)程如下：

(1)問(wèn)題編碼：由臨近樣本對(duì)缺失數(shù)據(jù)的屬性進(jìn)行估算，對(duì)要處理的問(wèn)題：優(yōu)化最近鄰樣本個(gè)數(shù)、模糊化參數(shù)和函數(shù)寬度參數(shù)進(jìn)行編碼處理；

(2)初始化參數(shù)：設(shè)定模糊聚類(lèi)算法中聚類(lèi)類(lèi)別數(shù)c，迭代收斂閾值ε，遺傳種群規(guī)模為M，遺傳算法的選擇概率P_s，染色體交叉概率P_c，自主學(xué)習(xí)的混雜變異概率常量P_m1和P_m2，初始設(shè)置個(gè)體E_p(1)(p＝1,2,...,M)，最大迭代數(shù)量G；

(3)搜索臨近樣本:當(dāng)遺傳迭代次數(shù)為t(t＝1,2,...,G)，每一個(gè)個(gè)體表示為E_p(t)(1≤p≤M)，根據(jù)相似度公式，搜索出缺失數(shù)據(jù)的q個(gè)最鄰近樣本；相似度公式如下：

其中和分別表示樣本和的第j個(gè)屬性值，且

(4)估算缺失屬性，獲取新的數(shù)據(jù)集：通過(guò)結(jié)合高斯核函數(shù)確定的權(quán)系數(shù)對(duì)缺失值得估值獲得新的數(shù)據(jù)集，公式如下：

缺失屬性可以表示為：

其中：W_k表示為不完整數(shù)據(jù)樣本的q個(gè)最近鄰樣本的相對(duì)應(yīng)屬性值的域；是q個(gè)最近鄰域樣本中相對(duì)應(yīng)屬性值之一；w_kp(p∈W_k)表示權(quán)值，滿(mǎn)足限制條件0≤w_kp≤1，權(quán)值的大小將取決于樣本與最近鄰樣本的相似度；權(quán)值w_kp計(jì)算公式表示為：

其中：表示為采用高斯核函數(shù)定義的不完整數(shù)據(jù)樣本和最近鄰樣本之間的距離；σ表示函數(shù)寬度參數(shù)，它將掌控著權(quán)值函數(shù)w_kp的衰減程度；計(jì)算不完整的樣本與最近鄰域中的樣本的距離得到較合理的加權(quán)系數(shù)，相鄰樣本與缺失樣本距離越大，相應(yīng)權(quán)值越小，該方法能夠更好的考慮數(shù)據(jù)集的鄰域結(jié)構(gòu)信息；δ_k表示歸一化常數(shù)，計(jì)算公式表示為：