二维空间点的聚类方法技术

本发明专利技术公开了一种二维空间点的聚类方法，包括如下步骤：S1.为空间点设置编号；S2.设置空间点坐标；S3.设置空间点之间的合并半径；S4.计算空间点与其他空间点对应坐标差值的平方和；S5.将坐标差值的平方和与合并半径的平方进行比较；S6.完成所有空间点的比较。本发明专利技术提供的二维空间点的聚类方法，能够简单、可靠、高效地实现对二维空间点的聚类处理。

Clustering method of two dimensional spatial points

【技术实现步骤摘要】
二维空间点的聚类方法
本专利技术涉及聚类领域，具体涉及一种二维空间点的聚类方法。
技术介绍
随着图像识别技术的不断发展，对图像进行处理的应用越来越多，其中，提取图像中特征点，并对图像特征点进行合并或聚类处理的需求越来越广泛。目前对特征点或空间点进行聚类处理，一般采用K-means算法，此算法是一种基于划分的聚类算法，以距离作为数据对象间相似性度量的标准，即数据对象间的距离越小，则它们的相似性越高，则它们越有可能在同一个类簇。K-means算法虽然原理简单，容易实现，可解释度较强，但类簇个数K值很难确定，对噪音和异常点敏感，而且当有部分异常点时，求均值是不合理的，即一个特大都值，或者极小的值，会影响均值的数值；因此，为解决以上问题，需要一种二维空间点的聚类方法，能够简单、可靠地实现对二维空间点的聚类处理。
技术实现思路
有鉴于此，本专利技术的目的是克服现有技术中的缺陷，提供二维空间点的聚类方法，能够简单、可靠地实现对空间点的聚类处理。本专利技术的二维空间点的聚类方法，包括如下步骤:S1.统计二维空间点的个数n，并按照1,2,...,n的序列为二维空间点编号，得到二维空间点集合T:T＝{t1,t2,...,tn}；其中，n＝1,2,...,N；S2.设置二维空间点tk在二维坐标系中，X轴上的坐标值为Xk以及Y轴上的坐标值为Yk；其中，k为二维空间点集合T中第k个二维空间点；S3.设定任意两个二维空间点之间的合并半径R；S4.计算二维空间点tm与二维空间点ti之间对应坐标点差值的平方和Umi:Umi＝(Xm-Xi)2+(Ym-Yi)2；其中，m为二维空间点集合T中第m个二维空间点；i为二维空间点集合T中第i个二维空间点，且i＝m+1；S5.对平方和Umi与合并半径的平方R2进行比较：如果Umi>R2，则令i＝i+1，若i≤n，则转到步骤S4，并继续向下执行；若i>n，则保留二维空间点tm，并进入步骤S6；如果Umi≤R2，则将二维空间点tm与二维空间点ti进行合并，得到二维空间点ti新的参数表示，同时删除二维空间点tm，并进入步骤S6；S6.令m＝m+1，若m≤n-1，则转到步骤S4，并继续向下执行；若m＝n，则保留二维空间点tn。进一步，步骤S2中：根据如下公式确定二维空间点tk的参数表示P(tk)：P(tk)＝(Xk,Yk,Gk)；其中，Xk为二维空间点tk在二维坐标系X轴上的坐标值；Yk为二维空间点tk在二维坐标系Y轴上的坐标值；Gk为二维空间点tk与二维空间点集合T中其他二维空间点进行合并后的合并数量。进一步，二维空间点tk的参数表示P(tk)中参数Gk的初始化值为1。进一步，步骤S4中：二维空间点tm的下标m取值为1。进一步，步骤S5中：二维空间点tm与二维空间点ti进行合并后，根据如下公式更新二维空间点ti的参数表示P(ti)：其中，m为二维空间点集合T中第m个二维空间点；i为二维空间点集合T中第i个二维空间点；Xm为二维空间点tm在二维坐标系X轴上的坐标值；Ym为二维空间点tm在二维坐标系Y轴上的坐标值；Gm为二维空间点tm与二维空间点集合T中其他二维空间点进行合并后的合并数量；Xi为二维空间点ti在二维坐标系X轴上的坐标值；Yi为二维空间点ti在二维坐标系Y轴上的坐标值；Gi为二维空间点ti与二维空间点集合T中其他二维空间点进行合并后的合并数量。本专利技术的有益效果是：本专利技术公开的一种二维空间点的聚类方法，通过计算二维空间点之间对应坐标差值的平方和与设置的二维空间点之间的合并半径平方的比较，对二维空间点进行聚类操作，异常点不会影响其他点的聚类效果，从而实现对二维空间点快速、高效、可靠地聚类。附图说明下面结合附图和实施例对本专利技术作进一步描述：图1为本专利技术的方法流程图；图2为本专利技术的二维空间点的初始化状态示意图；图3为本专利技术的二维空间点的聚类操作结束后的示意图。具体实施方式以下结合说明书附图对本专利技术做出进一步的说明，如图所示：本专利技术的二维空间点的聚类方法，包括如下步骤：S1.统计二维空间点的个数n，并按照1,2,...,n的序列为二维空间点编号，得到二维空间点集合T:T＝{t1,t2,...,tn}；其中，n＝1,2,...,N；S2.设置二维空间点tk在二维坐标系中，X轴上的坐标值为Xk以及Y轴上的坐标值为Yk；其中，k为二维空间点集合T中第k个二维空间点；S3.设定任意两个二维空间点之间的合并半径R；S4.计算二维空间点tm与二维空间点ti之间对应坐标点差值的平方和Umi:Umi＝(Xm-Xi)2+(Ym-Yi)2；其中，m为二维空间点集合T中第m个二维空间点；i为二维空间点集合T中第i个二维空间点，且i＝m+1；S5.对平方和Umi与合并半径的平方R2进行比较：如果Umi>R2，则令i＝i+1，若i≤n，则转到步骤S4，并继续向下执行；若i>n，则保留二维空间点tm，并进入步骤S6；如果Umi≤R2，则将二维空间点tm与二维空间点ti进行合并，得到二维空间点ti新的参数表示，同时删除二维空间点tm，并进入步骤S6；S6.令m＝m+1，若m≤n-1，则转到步骤S4，并继续向下执行；若m＝n，则保留二维空间点tn，至此二维空间点集合T中n个二维空间点完成聚类操作。由于本方法是二维空间点之间对应坐标差值的平方和与二维空间点之间合并半径的平方的比较，在数学上和计算欧式距离与实际合并半径的比较方式得出的结果是一致的，但无需利用计算机进行平方根的浮点运算，可以提高计算速度，因此在某些无浮点处理单元的处理器中也能快速运算。本算法最坏情况的比较次数为n(n-1)/2，与传统聚类算法过程中不可预知的迭代次数和收敛时间相比，本方法能够快速得出结果。此专利技术方法，可进一步推广至一维、三维以及三维以上的空间点的聚类。本实施例中，步骤S2中：为方便对二维空间点集合T中的二维空间点进行引用处理，为二维空间点设置参数表示，根据如下公式确定二维空间点tk的参数表示P(tk)：P(tk)＝(Xk,Yk,Gk)；其中，Xk为二维空间点tk在二维坐标系X轴上的坐标值；Yk为二维空间点tk在二维坐标系Y轴上的坐标值；Gk为二维空间点tk与二维空间点集合T中其他二维空间点进行合并后的合并数量。本实施例中，二维空间点集合T中的所有二维空间点在合并处理之前，对任意二维空间点tk的参数表示P(tk)中的参数Gk进行初始化处理，设置其初始化值为1。本实施例中，步骤S4中：对二维空间点集合T中的所有二维空间点进行聚类处理，首先从二维空间点t1开始，即设置二维空间点tm的下标m取值为1。本实施例中，步骤S5中：对二维空间点tm与ti进行合并聚类，也就是对二维空间点本文档来自技高网...

【技术保护点】
1.一种二维空间点的聚类方法，其特征在于：包括如下步骤：/nS1.统计二维空间点的个数n，并按照1,2,...,n的序列为二维空间点编号，得到二维空间点集合T:T＝{t

【技术特征摘要】
1.一种二维空间点的聚类方法，其特征在于：包括如下步骤：
S1.统计二维空间点的个数n，并按照1,2,...,n的序列为二维空间点编号，得到二维空间点集合T:T＝{t1,t2,...,tn}；
其中，n＝1,2,...,N；
S2.设置二维空间点tk在二维坐标系中，X轴上的坐标值为Xk以及Y轴上的坐标值为Yk；
其中，k为二维空间点集合T中第k个二维空间点；
S3.设定任意两个二维空间点之间的合并半径R；
S4.计算二维空间点tm与二维空间点ti之间对应坐标点差值的平方和Umi:Umi＝(Xm-Xi)2+(Ym-Yi)2；
其中，m为二维空间点集合T中第m个二维空间点；i为二维空间点集合T中第i个二维空间点，且i＝m+1；
S5.对平方和Umi与合并半径的平方R2进行比较：
如果Umi>R2，则令i＝i+1，若i≤n，则转到步骤S4，并继续向下执行；若i>n，则保留二维空间点tm，并进入步骤S6；
如果Umi≤R2，则将二维空间点tm与二维空间点ti进行合并，得到二维空间点ti新的参数表示，同时删除二维空间点tm，并进入步骤S6；
S6.令m＝m+1，若m≤n-1，则转到步骤S4，并继续向下执行；若m＝n，则保留二维空间点tn。


2.根据权利要求1所述的二维空间点的聚类方法，其特征在于：步...

【专利技术属性】
技术研发人员：刘钰然，张导，张杰，卢思宇，甘玉芳，易剋燈，徐郭建，陈建明，
申请(专利权)人：国家电网有限公司，国网重庆市电力公司信息通信分公司，
类型：发明
国别省市：北京;11