[發明專利]無參數的k均值聚類方法

在審

• 申請號: 201810553412.6
• 申請日: 2018-06-01
• 公開（公告）號: CN108764359A
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 侯濤;劉富;康冰;劉云;李丁園;姜守坤;王柯;苗巖;梁藝馨
• 申請（專利權）人: 吉林大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 吉林長春新紀元專利代理有限責任公司 22100
• 代理人: 白冬冬

1.一種無參數的k均值聚類方法，其特征在于：

第一步計算待分類數據集中各個數據點的密度；

第二步計算分類數據集中各個數據點的離散度；

第三步篩選初始類中心和聚類數；

第四步是用傳統k-mean進行聚類分析并輸出結果。

2.根據權利要求1所述的無參數的k均值聚類方法，其特征在于：所述的計算待分類數據集中各個數據點的密度：

(1)先計算數據集中每個數據點x_i的鄰域密度，具體計算方法如下：

對計算數據點x_i的鄰域U(x_i)＝{x_j|x_j∈X and d_ij≤d_l}(i≠j)，其中d_ij＝d(x_i,x_j)，表示兩個數據點i和j之間的歐式距離；距離閾值d_l定義為數據集X中樣本之間所有距離的平均值的1/10，可表示為：

(2)數據集X中的任意樣本點x_i的密度定義為點x_i的鄰域U(x_i)內所包含樣本點的歐式距離之和，可表達為：計算每個數據點x_i的密度den_i之后，用以下公式對其進行歸一化處理：d1_i＝den_i/max(den_i)。

3.根據權利要求1所述的無參數的k均值聚類方法，其特征在于：所述的計算分類數據集中各個數據點的離散度：即數據集X中各個數據點x_i的離散度ρ_i，

密度最大的數據點的離散度ρ_i設定為該點與數據集X中所有點的最大距離，公式表達為：

ρ_i＝max(d_ij) (2)

對其它數據點，若存在比該點密度高的數據點，則選擇與其他高密度點之間的最小距離來衡量該點的離散度ρ_i，公式表達為：

ρ_i＝min(d_ij) (3)

計算每個數據點x_i的離散度ρ_i之后，用以下公式對其進行歸一化處理：

d2_i＝ρ_i/max(ρ_i) (4)。

4.根據權利要求1所述的無參數的k均值聚類方法，其特征在于：所述的篩選初始類中心和聚類數：即初始聚類中心{c₁,c₂,…,c_k}、聚類數k，

(1)以歸一化后的密度和離散度組成一個向量(d1_i,d2_i)，用來評估數據點x_i是否是候選聚類中心；

(2)計算該點與其最近鄰的5個點的距離之和D_i，

篩選出那些D_i值大于2倍均方差的點作為初始聚類中心{c₁,c₂,…,c_k}。

5.根據權利要求1所述的無參數的k均值聚類方法，其特征在于：所述的聚類分析是對待分類數據集X進行聚類分析，

預估初始聚類中心值{c₁,c₂,…,c_k}，以及初始聚類中心數k，作為k-mean算法的初始輸入參數，實現對多類數據集的無參數聚類分析。