[發(fā)明專利]基于密度峰值-核心融合的自適應(yīng)聚類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201910071935.1
• 申請(qǐng)日: 2019-01-25
• 公開(kāi)（公告）號(hào): CN109840558B
• 公開(kāi)（公告）日: 2022-06-17
• 發(fā)明（設(shè)計(jì)）人: 邱雷;房芳;袁慎芳;任元強(qiáng)
• 申請(qǐng)（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 曹蕓

本發(fā)明提出了一種基于密度峰值?核心融合的自適應(yīng)聚類方法，屬于模式識(shí)別領(lǐng)域。該方法包括如下步驟：（1）首先進(jìn)行基于密度峰值的密度近鄰聚類：采用核密度?k近鄰的密度估計(jì)方法計(jì)算待聚類數(shù)據(jù)集中每個(gè)數(shù)據(jù)點(diǎn)的密度，并通過(guò)自適應(yīng)閾值確定密度峰值點(diǎn)，將密度峰值點(diǎn)作為類中心進(jìn)行密度近鄰聚類得到初始聚類結(jié)果；（2）進(jìn)行基于類內(nèi)散度的核心融合操作：首先自適應(yīng)的確定每個(gè)初始類中的核心點(diǎn)，若兩個(gè)初始類的核心點(diǎn)鄰近且融合后能降低類內(nèi)散度，則將這兩個(gè)初始類進(jìn)行融合，融合所有應(yīng)融合的初始類得到最終的聚類結(jié)果。本方法簡(jiǎn)單、準(zhǔn)確、高效，能夠?qū)哂腥我庑螤罴懊芏确植嫉臄?shù)據(jù)集進(jìn)行自適應(yīng)聚類。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于密度峰值-核心融合的自適應(yīng)聚類方法，屬于模式識(shí)別領(lǐng)域。

背景技術(shù)

聚類方法是模式識(shí)別及機(jī)器學(xué)習(xí)領(lǐng)域一項(xiàng)重要的技術(shù)，被廣泛應(yīng)用于人臉識(shí)別、搜索工程、圖像分區(qū)等領(lǐng)域。聚類是根據(jù)數(shù)據(jù)點(diǎn)之間的相似性將數(shù)據(jù)集劃分成類或集群的過(guò)程，屬于同一類中的數(shù)據(jù)點(diǎn)之間具有較大的相似性，而屬于不同類的數(shù)據(jù)點(diǎn)應(yīng)盡可能不相似。數(shù)據(jù)點(diǎn)間的相似性可用距離度量，最常見(jiàn)的距離有歐幾里得距離。由于數(shù)據(jù)來(lái)源、性質(zhì)及分布的多樣性，以及自動(dòng)化工業(yè)進(jìn)程的需求，很多領(lǐng)域都要求聚類方法能夠自動(dòng)確定數(shù)據(jù)集中類的數(shù)目并處理具有任意形狀和密度分布的數(shù)據(jù)集。

密度聚類方法能夠?qū)哂腥我庑螤畹臄?shù)據(jù)集進(jìn)行聚類，且無(wú)需設(shè)定類的數(shù)目。最常見(jiàn)的密度聚類方法為應(yīng)用噪聲的基于密度空間聚類方法(Density-based SpatialClustering of Applications withNoise，DBSCAN)。在DBSCAN中，需要定義截?cái)嗑嚯x及密度閾值，由密度閾值確定核心點(diǎn)后，按屬于不同類的核心點(diǎn)之間距離超出截?cái)嗑嚯x的原則完成聚類。該方法具有密度聚類方法的兩大優(yōu)點(diǎn)，即能夠?qū)哂腥我庑螤罘植嫉臄?shù)據(jù)集進(jìn)行聚類且無(wú)需設(shè)定類的數(shù)目。但該方法不僅需要預(yù)先設(shè)定截?cái)嗑嚯x，還需要預(yù)先設(shè)定核心點(diǎn)的密度閾值。此外，DBSCAN聚類結(jié)果容易受密度估計(jì)結(jié)果及核心點(diǎn)密度閾值的影響。

2014年，Science期刊發(fā)表了一種基于密度峰值搜尋的聚類方法(Clustering byfast search and find of density peaks，CFSFDP)。這是一種不需要預(yù)先設(shè)定核心點(diǎn)密度閾值的密度聚類方法。該方法提出了類中心具有的兩個(gè)密度峰值特征，即類中心的密度值局部極大，且類中心與密度更大的數(shù)據(jù)點(diǎn)之間的最小距離也局部極大。CFSFDP根據(jù)這兩個(gè)特征在橫縱坐標(biāo)分別為密度和最小距離的決策圖上人為確定類中心，完成聚類。CFSFDP方法雖然對(duì)具有任意形狀分布的數(shù)據(jù)集進(jìn)行自適應(yīng)聚類，但該方法也存在一些缺點(diǎn)。首先，CFSFDP方法聚類效果容易受密度估計(jì)結(jié)果的影響。其次，CFSFDP方法中人為確定類中心的過(guò)程限制了其在自動(dòng)化任務(wù)中的應(yīng)用效果。最重要的一點(diǎn)，一個(gè)類中可能存在多個(gè)密度峰值點(diǎn)，CFSFDP方法會(huì)將該類中多個(gè)密度峰值點(diǎn)都當(dāng)作類中心，一個(gè)含有多個(gè)密度峰值點(diǎn)的類會(huì)被錯(cuò)誤分成多個(gè)類，故CFSFDP方法無(wú)法確保正確的聚類結(jié)果。

綜上所述，雖然現(xiàn)有的一些聚類方法能夠自適應(yīng)的處理具有任意形狀分布的數(shù)據(jù)集，但這些數(shù)據(jù)集的形狀及密度大多呈現(xiàn)為簡(jiǎn)單分布，在處理復(fù)雜分布數(shù)據(jù)時(shí)聚類方法的精度及效率等性能仍亟待提高。

發(fā)明內(nèi)容

針對(duì)具有任意形狀及密度分布的數(shù)據(jù)集自適應(yīng)聚類問(wèn)題，本發(fā)明提出了一種基于密度峰值-核心融合的自適應(yīng)聚類方法，方法簡(jiǎn)單、準(zhǔn)確、高效，能夠?qū)哂腥我庑螤罴懊芏确植嫉臄?shù)據(jù)集進(jìn)行自適應(yīng)聚類。

本發(fā)明為解決其技術(shù)問(wèn)題采用如下技術(shù)方案：

一種基于密度峰值-核心融合的自適應(yīng)聚類方法，包括如下兩個(gè)步驟：

(1)基于密度峰值的密度近鄰聚類：首先采用核密度-k近鄰的密度估計(jì)方法計(jì)算每個(gè)數(shù)據(jù)點(diǎn)的密度，然后計(jì)算每個(gè)數(shù)據(jù)點(diǎn)與密度比自身大的數(shù)據(jù)點(diǎn)之間的最小距離，再通過(guò)基于密度及最小距離的自適應(yīng)閾值確定密度峰值點(diǎn)，最后將密度峰值點(diǎn)作為初始類的中心，進(jìn)行密度近鄰聚類得到初始的聚類結(jié)果；