[發(fā)明專利]基于直覺模糊C均值的汽車數(shù)據(jù)聚類方法及系統(tǒng)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910865982.3
• 申請(qǐng)日: 2019-09-12
• 公開（公告）號(hào): CN110569915B
• 公開（公告）日: 2022-04-01
• 發(fā)明（設(shè)計(jì)）人: 耿玉水;王菲;張煥穎
• 申請(qǐng)（專利權(quán)）人: 齊魯工業(yè)大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 濟(jì)南圣達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 37221
• 代理人: 黃海麗

1.基于直覺模糊C均值的汽車數(shù)據(jù)聚類方法，其特征是，包括：

輸入設(shè)定參數(shù)和汽車數(shù)據(jù)集特征值矩陣；

利用改進(jìn)的直覺模糊熵，對(duì)汽車數(shù)據(jù)集特征值矩陣進(jìn)行加權(quán)計(jì)算，獲得加權(quán)后的特征值矩陣；

定義密度參數(shù)，確定初始聚類中心；

判斷迭代次數(shù)是否小于設(shè)定迭代閾值，如果是，則進(jìn)入隸屬度矩陣計(jì)算步驟，否則進(jìn)入輸出步驟；

隸屬度矩陣計(jì)算步驟：計(jì)算隸屬度矩陣；

利用隸屬度矩陣更新聚類中心；

判斷上一時(shí)刻數(shù)據(jù)集對(duì)于聚類中心的歐氏距離平方和，與當(dāng)前時(shí)刻數(shù)據(jù)集對(duì)于聚類中心的歐氏距離平方和的差值是否小于設(shè)定閾值；如果是，則進(jìn)入輸出步驟，如果否，則返回隸屬度矩陣計(jì)算步驟；

輸出步驟：輸出隸屬度矩陣和聚類中心，根據(jù)最大隸屬度原則求得汽車數(shù)據(jù)聚類結(jié)果；

設(shè)汽車集合X＝{x₁,x₂,…x_n},A＝{x_i,μ_A(x_i),v_A(x_i)|x_i∈X}是X上的直覺模糊集，所述改進(jìn)的直覺模糊熵E(A)公式：

其中f_A(x)＝1-|μ_A(x)-v_A(x)|，π_A(x)＝1-μ_A(x)-v_A(x)，f_A(x_i)是汽車參數(shù)指標(biāo)x_i在A中的模糊度，π_A(x_i)是x_i在A中的猶豫度，δ_A(x)是區(qū)間數(shù)的模糊程度，μ_A(x)是隸屬度，v_A(x)是非隸屬度。

2.如權(quán)利要求1所述的方法，其特征是，所述設(shè)定參數(shù)，包括：聚類數(shù)目c、模糊度參數(shù)m、停止迭代的閾值ε和迭代次數(shù)t；所述汽車數(shù)據(jù)集特征值矩陣G，包括：每一款汽車的油耗、汽車輪胎的摩擦系數(shù)、汽車的價(jià)格、汽車的舒適度和汽車的安全系數(shù)。

3.如權(quán)利要求1所述的方法，其特征是，所述利用改進(jìn)的直覺模糊熵，對(duì)汽車數(shù)據(jù)集特征值矩陣G進(jìn)行加權(quán)計(jì)算，獲得加權(quán)后的特征值矩陣，具體步驟為：

其中，ω_j是汽車數(shù)據(jù)集特征值矩陣G的權(quán)重計(jì)算公式，表示第j列的直覺模糊熵；

計(jì)算加權(quán)后的特征值矩陣G′：

g′_ij＝ω_jg_ij＝1-(1-μ_ij)^ωj,(v_ij)^ωj；

其中，加權(quán)后的特征值矩陣G′＝(g′_ij)_n×s；g_ij是矩陣的特征值，μ_ij是隸屬度，v_ij是非隸屬度。