[發(fā)明專利]一種基于樣本相似度的三支聚類方法

在審

• 申請?zhí)枺?/td>: 202211302581.5
• 申請日: 2022-10-24
• 公開（公告）號: CN115618254A
• 公開（公告）日: 2023-01-17
• 發(fā)明（設(shè)計）人: 李劉萬;王平心;徐天杰;凡嘉琛;吳婷鳳
• 申請（專利權(quán)）人: 江蘇科技大學
• 主分類號: G06F18/23213
• 分類號: G06F18/23213
• 代理公司: 安徽思沃達知識產(chǎn)權(quán)代理有限公司 34220
• 代理人: 唐明

1.一種基于樣本相似度的三支聚類方法，其特征在于，包括以下步驟：

(1)通過隨機選擇樣本部分特征的方式，隨機生成一組基聚類成員，以此構(gòu)造樣本相似度；

(2)在樣本相似度的基礎(chǔ)了定義劃分有效性指標，用劃分有效性指標來自動計算最優(yōu)閾值；

(3)使用投票法對基聚類成員集成得到初步的聚類結(jié)果，再利用最優(yōu)閾值對其劃分，得到最終的核心域集合和邊界域集合。

2.根據(jù)權(quán)利要求1所述的一種基于樣本相似度的三支聚類方法，其特征在于，在步驟(1)中，構(gòu)造樣本相似度的過程如下：

假設(shè)U＝{x₁，x₂，x₃，...，x_n}表示數(shù)據(jù)有n個樣本，使用k-means聚類方法，通過每次隨機選擇部分屬性來進行聚類，得到一組聚類結(jié)果Π＝{C₁，C₂，C₃，...，C_n}；

以此聚類結(jié)果構(gòu)建關(guān)系矩陣，即樣本相似度：

式中，L表示不同的聚類結(jié)果，x_i和y_i表示樣本中的兩個點，C_l(x_i)表示第l個聚類結(jié)果中的點x_i所在的類簇編號，其中，

3.根據(jù)權(quán)利要求1所述的一種基于樣本相似度的三支聚類方法，其特征在于，在步驟(2)中，劃分有效性指標的定義過程如下：

假設(shè)U＝{x₁，x₂，x₃，...，x_n}，對于一個樣本子集它的劃分有效性指標為：式中，0≤PVI_α(X)≤1，表示屬于目標子集X及其邊界域內(nèi)的樣本數(shù)與X中的樣本數(shù)之比。

4.根據(jù)權(quán)利要求1所述的一種基于樣本相似度的三支聚類方法，其特征在于，在步驟(2)中，用劃分有效性指標來自動計算最優(yōu)閾值的過程如下：

計算樣本相似度，步長為Δ的最小值S_min和最大值S_man構(gòu)成候選閾值空間；

對于每個候選閾值，計算目標子集X對應的核心域和邊界域，得到當前的劃分有效性指標PVI；

輸出當前達到最大PVI值的閾值作為最優(yōu)閾值。

5.根據(jù)權(quán)利要求1所述的一種基于樣本相似度的三支聚類方法，其特征在于，在步驟(3)中，使用投票法對基聚類成員集成得到初步的聚類結(jié)果，再利用最優(yōu)閾值對其劃分，得到最終的核心域集合和邊界域集合，其具體過程如下：

假設(shè)基聚類成員其中，1≤i，j≤H，將兩個劃分中每一個類簇其中1≤k₁，k₁≤k₂所覆蓋的相同對象的個數(shù)記錄在K×K的OVERLAP矩陣中；

選擇其中覆蓋相同對象個數(shù)最大的類簇標簽建立對應關(guān)系，并將結(jié)果從OVERLAP矩陣中移除；

重復以上過程，直到所有的類簇標簽都建立了對應關(guān)系為止；

再標簽匹配，并使用投票法對基聚類結(jié)果集成，從而得到初步的聚類結(jié)果；

在得到初步聚類結(jié)果的每一個樣本子集上應用公式從而找到一組最佳閾值；

以此劃分找出每個樣本子集的核心域和邊界域即最終的聚類結(jié)果。

6.根據(jù)權(quán)利要求5所述的一種基于樣本相似度的三支聚類方法，其特征在于，所述標簽匹配是指當存在兩個及以上類簇標簽對應時，則隨機選取某個類簇標簽作為匹配。