[發(fā)明專利]無參數(shù)的k均值聚類方法

在審

• 申請?zhí)枺?/td>: 201810553412.6
• 申請日: 2018-06-01
• 公開（公告）號: CN108764359A
• 公開（公告）日: 2018-11-06
• 發(fā)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

一種無參數(shù)的k均值聚類方法，屬于數(shù)據(jù)處理技術領域。本發(fā)明的目的是為圖像、人體生物特征、汽車駕駛員等對象采集到的多分類數(shù)據(jù)集，提供一種無參數(shù)的k均值聚類方法，其適用于對各種多分類大數(shù)據(jù)集進行分析。本發(fā)明的步驟是：計算待分類數(shù)據(jù)集中各個數(shù)據(jù)點的密度；計算分類數(shù)據(jù)集中各個數(shù)據(jù)點的離散度；篩選初始類中心和聚類數(shù)；用傳統(tǒng)k?mean進行聚類分析并輸出結果。本發(fā)明適用于對汽車駕駛姿態(tài)、駕駛行為、駕駛偏好等信息進行分類識別，便于提前預警疲勞駕駛、異常駕駛，做出相應的駕駛決策、保障車輛安全行駛。

技術領域

本發(fā)明屬于數(shù)據(jù)處理技術領域。

背景技術

K均值算法(k-means clustering method，CM)是一種常用的無監(jiān)督聚類算法，目前已被廣泛應用于圖像處理領域進行圖像分割；用于生物特征識別領域進行人體的身份驗證；用于汽車駕駛姿態(tài)、行為的分類識別，便于提前預警疲勞駕駛，保障車輛行駛安全。然而該算法在對各個領域采集到的數(shù)據(jù)集進行聚類分析時，需要人為預先設定兩個參數(shù)，一個是代表聚類個數(shù)的k參數(shù)，另一個是初始聚類中心點。這兩個參數(shù)的選取，直接影響著聚類結果，使聚類陷入局部最優(yōu)，導致不準確。目前，改進的一些k-mean算法通常通過拉網式訓練來選擇最優(yōu)的參數(shù)，這并不高效。為了解決這些問題，本發(fā)明提出一種無參數(shù)的智能k均值聚類算法(paremeter-free Intelligent k-Mean，IKM)。本發(fā)明能對從圖像、人體生物特征、汽車駕駛員等對象采集到的多類大數(shù)據(jù)集進行聚類實驗，準確評估出聚類數(shù)和聚類初值，從而進行優(yōu)化聚類。

發(fā)明內容

本發(fā)明的目的是為圖像、人體生物特征、汽車駕駛員等對象采集到的多分類數(shù)據(jù)集，提供一種無參數(shù)的k均值聚類方法，其適用于對各種多分類大數(shù)據(jù)集進行分析。

本發(fā)明的步驟是：

第一步計算待分類數(shù)據(jù)集中各個數(shù)據(jù)點的密度；

第二步計算分類數(shù)據(jù)集中各個數(shù)據(jù)點的離散度；

第三步篩選初始類中心和聚類數(shù)；

第四步是用傳統(tǒng)k-mean進行聚類分析并輸出結果。

本發(fā)明所述的計算待分類數(shù)據(jù)集中各個數(shù)據(jù)點的密度：

(1)先計算數(shù)據(jù)集中每個數(shù)據(jù)點x_i的鄰域密度，具體計算方法如下：

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

(2)數(shù)據(jù)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(shù)據(jù)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)。

本發(fā)明所述的計算分類數(shù)據(jù)集中各個數(shù)據(jù)點的離散度：即數(shù)據(jù)集X中各個數(shù)據(jù)點x_i的離散度ρ_i，

密度最大的數(shù)據(jù)點的離散度ρ_i設定為該點與數(shù)據(jù)集X中所有點的最大距離，公式表達為：

ρ_i＝max(d_ij) (2)