【技术实现步骤摘要】
基于变异系数自动确认簇数量的聚类方法、系统及介质
本专利技术涉及基于变异系数自动确认簇数量的聚类方法、系统及介质。
技术介绍
随着信息技术的迅猛发展，许多行业如商业、企业、科研机构和政府部门等都积累了海量的、不同形式存储的数据资料，这些海量数据中往往隐含着各种各样有用的信息，仅仅依靠数据库的查询检索机制和统计学方法很难获得这些信息，因此迅速发展的还有数据挖掘技术，聚类分析技术是数据挖掘中的一个重要的研究领域，已经被广泛的用在许多应用中，包括模式识别、数据分析、图像处理以及市场研究。聚类分析技术是一种无监督的学习方法，其中基于划分的聚类算法简单并且可以用于各种数据类型，但是需要事先设置簇的数量且对初始聚类中心敏感，k-means++算法对传统的k-means算法进行了改进，但仍然存在人工设置簇的数量的缺陷。
技术实现思路
为了解决现有技术的不足，本专利技术提供了基于变异系数自动确认簇数量的聚类方法、系统及介质，其解决传统的k-means++聚类算法人工设置簇的数量以及初始质心选取不当的缺陷，利用变异系数以及密度指数的概念对基于划分的k-means++聚类算法进行了改进，...
【技术保护点】
1.基于变异系数自动确认簇数量的聚类方法，其特征是，包括：步骤(1)：计算数据集中每个数据点的密度值，根据密度值计算密度指数，选择密度指数最大的数据点作为第一个聚类中心；步骤(2)：计算每个数据点与当前已有聚类中心之间的最短距离，然后根据最短距离计算每个数据点被选为聚类中心的概率，最后，按照轮盘法预选聚类中心；所述预选聚类中心的密度指数大于设定阈值；步骤(3)：重复步骤(2)，直至选择出设定个数的聚类中心，然后根据选择出的初始聚类中心进行k‑means聚类从而产生相应个数的簇；步骤(4)：计算平均簇内变异系数和最小簇间变异系数，然后，计算平均簇内变异系数和最小簇间变异系数的...
【技术特征摘要】
1.基于变异系数自动确认簇数量的聚类方法，其特征是，包括：步骤(1)：计算数据集中每个数据点的密度值，根据密度值计算密度指数，选择密度指数最大的数据点作为第一个聚类中心；步骤(2)：计算每个数据点与当前已有聚类中心之间的最短距离，然后根据最短距离计算每个数据点被选为聚类中心的概率，最后，按照轮盘法预选聚类中心；所述预选聚类中心的密度指数大于设定阈值；步骤(3)：重复步骤(2)，直至选择出设定个数的聚类中心，然后根据选择出的初始聚类中心进行k-means聚类从而产生相应个数的簇；步骤(4)：计算平均簇内变异系数和最小簇间变异系数，然后，计算平均簇内变异系数和最小簇间变异系数的差值，将差值与设定值进行比较，如果差值小于设定值，则将两个簇间变异系数最小的两个簇进行合并；重复步骤(4)，直至差值大于等于设定值，则输出聚类结果。2.如权利要求1所述的基于变异系数自动确认簇数量的聚类方法，其特征是，计算数据集中每个数据点的密度值的步骤为：假设数据集(S1，S2，…，Sd)具有d维属性，并且数据空间S＝S1×S2×…×Sd是d维数据空间，x∈(x1,x2,…,xd)表示在d维数据空间上数据集中的数据点；首先，设定初始簇的数量k*的值，其中，k1<k*<k2，k1和k2均为大于目标簇的数量；然后，计算数据点x的密度值ρx，并用公式(1)和(2)表示：其中，num为数据点的个数，dxy为数据集中数据点y到数据点x的距离，R为密度范围，f(X)为判断数据点y与数据点x的距离是否小于或等于密度范围R的函数。3.如权利要求1所述的基于变异系数自动确认簇数量的聚类方法，其特征是，根据密度值计算密度指数，选择密度指数最大的数据点作为第一个聚类中心的步骤为：根据密度值ρx计算数据密度指数DI，并将密度指数最大的数据点作为第一个聚类中心：4.如权利要求1所述的基于变异系数自动确认簇数量的聚类方法，其特征是，计算每个数据点与当前已有聚类中心之间的最短距离的步骤为：根据k-means++算法中选择初始聚类中心的方式，对于数据集中的剩余数据点，依次计算该数据点与已经选择出的初始聚类中心的距离，比较选择出最短的距离作为该数据点与当前...
【专利技术属性】
技术研发人员：刘腾腾，曲守宁，张坤，杜韬，王凯，郭庆北，朱连江，王钦，
申请(专利权)人：济南大学，
类型：发明
国别省市：山东,37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。