[發明專利]基于最小距離最大化準則優化初始中心的模糊聚類方法

在審

• 申請號: 201810889964.4
• 申請日: 2018-08-07
• 公開（公告）號: CN109272015A
• 公開（公告）日: 2019-01-25
• 發明（設計）人: 陳鑫;左光;齊玢;石泳;侯硯澤;張敏捷;陳沖
• 申請（專利權）人: 北京空間技術研制試驗中心
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京謹誠君睿知識產權代理事務所(特殊普通合伙) 11538
• 代理人: 陸鑫;延慧

1.一種基于最小距離最大化準則優化初始中心的模糊聚類方法，包括以下步驟：

a.求解樣本點中任意兩點之間的歐式距離；

b.計算每個點到其他點的距離的平均值；

c.確定第一個聚類初始中心；

d.確定稠密樣本點集合；

e.確定下一個聚類初始點；

f.重復步驟e，直至選取所有所需的初始聚類點個數。

2.根據權利要求1所述的基于最小距離最大化準則優化初始中心的模糊聚類方法，其特征在于，在所述a步驟中，求解樣本集合X＝[x_ij]中任意兩點之間的距離D_ij＝||x_i-x_j||，并保存于矩陣D中。

3.根據權利要求2所述的基于最小距離最大化準則優化初始中心的模糊聚類方法，其特征在于，在所述b步驟中，利用所述矩陣D計算每個點到其余所有點的距離的平均值并保存于向量D₁中。

4.根據權利要求3所述的基于最小距離最大化準則優化初始中心的模糊聚類方法，其特征在于，在所述c步驟中，利用所述向量D₁，確定每個點到其他個點的距離的平均值的最小值，以此確定為第一個聚類初始中心P₁，并存入集合P＝[P₁]。

5.根據權利要求4所述的基于最小距離最大化準則優化初始中心的模糊聚類方法，其特征在于，在所述d步驟中，求所有點到其他各點的距離的平均值D1i的均值，記為aveDensity，計算公式為將D₁中所有小于aveDensity的樣本點記為稠密樣本點，即P_di＝D_1i＜aveDensity，并存入稠密集合P_d。

6.根據權利要求5所述的基于最小距離最大化準則優化初始中心的模糊聚類方法，其特征在于，在所述e步驟中，利用最小距離最大化準則在所述集合P_d中確定下一個聚類初始點，分別計算所述集合P_d中所有點到所述第一個聚類初始中心P₁的距離，并選取距離中最大的點為第二個聚類初始點，即P₂＝max{min(d(P₁,P_di))},P_di∈P_d，其中d(P₁,P_di)＝||x₁-x_di||，存入集合P＝[P₁,P₂]。

7.根據權利要求3所述的基于最小距離最大化準則優化初始中心的模糊聚類方法，其特征在于，在所述f步驟中，重復所述e步驟，在剔除P₂后的稠密集合P_d′中，計算所有點到已確定聚類初始點集合P的聚類，選取最小距離最大的點為下一個聚類初始點，直至選出所有聚類中心點，即P_k＝max{min(d(P_l,P_d))},P_l∈P,P_di∈P_d′,k＝1,K,s，其中，s為設計初始聚類點個數。