[發(fā)明專利]一種基于樣本密度和自適應(yīng)調(diào)整聚類中心的聚類分析方法

有效

• 申請?zhí)枺?/td>: 202010158639.8
• 申請日: 2020-03-09
• 公開（公告）號: CN111382797B
• 公開（公告）日: 2021-10-15
• 發(fā)明（設(shè)計）人: 張維;馬志華
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 劉新瓊

本發(fā)明涉及一種基于樣本密度和自適應(yīng)調(diào)整聚類中心的聚類分析方法，首先基于樣本密度和樣本鄰域初始化聚類數(shù)目K和聚類中心，然后采用最近鄰類簇合并的方法自適應(yīng)調(diào)整聚類數(shù)目K，最終得到最佳聚類結(jié)果，從而大大提高了聚類分析結(jié)果的有效性。

技術(shù)領(lǐng)域

本發(fā)明涉及機器學(xué)習(xí)中的無監(jiān)督學(xué)習(xí)聚類分析領(lǐng)域，特別涉及基于樣本密度和自適應(yīng)調(diào)整聚類中心的聚類分析方法。

背景技術(shù)

目前，研究和應(yīng)用最為廣泛的是基于劃分的聚類方法，K-means算法是一種典型的基于劃分思想的聚類算法，又是一種基于距離的聚類算法，具有算法思想簡單、收斂速度快、局部搜索能力強等特點，已被國內(nèi)外眾多專家學(xué)者研究多年，并且已經(jīng)在很多工商業(yè)領(lǐng)域被廣泛應(yīng)用。但是K-means聚類算法存在需要事先人為確定聚類的類別數(shù)K值，聚類結(jié)果受初值影響大，在一定程度上限制了其在解決實際問題時發(fā)揮的作用。

在使用K-means算法處理數(shù)據(jù)集時，聚類數(shù)目往往預(yù)先是不知道的，需要根據(jù)先驗知識或者對數(shù)據(jù)集進行分析得到預(yù)估的聚類數(shù)目，如果數(shù)據(jù)集十分龐大或者數(shù)據(jù)結(jié)構(gòu)十分復(fù)雜時，分析數(shù)據(jù)需要花費很大代價且很難確定最佳聚類數(shù)目。此外，由于算法初始聚類中心的隨機選擇，聚類結(jié)果不穩(wěn)定，很容易陷入局部最優(yōu)解，導(dǎo)致聚類效果和數(shù)據(jù)實際的特征分布存在較大偏差。因此在聚類分析中，對于初始聚類數(shù)目和聚類中心的選擇是十分關(guān)鍵的，只有選擇合適的初始聚類數(shù)目K和聚類中心M＝{M₁,M₂,...,M_i,...,M_K}可以得到較好的聚類結(jié)果。

發(fā)明內(nèi)容

要解決的技術(shù)問題

實際應(yīng)用中，在處理數(shù)據(jù)分類問題時，不少情況下無法預(yù)先確定樣本的標(biāo)簽，也就是說沒有訓(xùn)練樣本對應(yīng)的類別，因而只能從原先沒有樣本標(biāo)簽的樣本集開始學(xué)習(xí)，利用無監(jiān)督學(xué)習(xí)得到的結(jié)果，可以提取數(shù)據(jù)集中隱藏的信息，并對未來數(shù)據(jù)進行分類和預(yù)測提供訓(xùn)練數(shù)據(jù)。為了改善K-means算法在解決實際問題中的效果，更好地實現(xiàn)對無標(biāo)簽樣本數(shù)據(jù)的分類和預(yù)測，本發(fā)明提供了一種基于樣本密度和自適應(yīng)調(diào)整聚類中心的聚類分析方法，在K-means聚類算法的基礎(chǔ)上進行改進和完善，首先基于樣本密度和樣本鄰域初始化聚類數(shù)目K和聚類中心，然后采用最近鄰類簇合并的方法自適應(yīng)調(diào)整聚類數(shù)目K，最終得到最佳聚類結(jié)果，從而大大提高了聚類分析結(jié)果的有效性。提高算法的普遍適用性和應(yīng)用價值。

技術(shù)方案

一種基于樣本密度和自適應(yīng)調(diào)整聚類中心的聚類分析方法，其特征在于步驟如下：

步驟1：選擇初始聚類中心

1-1：初始化聚類數(shù)目初始化中心點集n為樣本數(shù)量；

1-2：聚類處理的數(shù)據(jù)集X＝{x₁,x₂,...,x_i,...,x_n}，每個樣本對象包含p維特征{x_i1,x_i2,...,x_il,...,x_ip}，x_il分別表示第i個對象的第l個特征值，i≤n,l≤p；計算數(shù)據(jù)集中每個樣本對象的密度值ρ(x_i)，如公式(1)所示，并按照密度值的大小降序排列；

ρ(x_i)＝exp[-v(x_i)] (1)

其中：為樣本間的歐氏距離，i＝1,2,...,n.j＝1,2,...,n；

1-3：從樣本集中選取處于最密集區(qū)域的樣本，即最大的密度值max{ρ(x_i)}對應(yīng)的樣本對象作為第一個類簇的初始聚類中心M₁，并將其加入到初始化中心點集M中；