一种基于用户数据分布的K-means方法技术

本申请公开了一种基于用户数据分布的K

【技术实现步骤摘要】
一种基于用户数据分布的K
‑
means方法


[0001]本申请涉及数据聚类
，尤其涉及一种基于用户数据分布的K
‑
means方法。

技术介绍

[0002]自MacQueen用数学的方法对K
‑
means进行证明并给出基本步骤，其简单、高效并适用于大规模数据的特性帮助K
‑
means在不同的学科领域被广泛研究与应用，不断优化和改进使得其仍是目前最普遍使用的划分聚类算法之一。但是在面对大规模数据时，容易陷入局部最优、收敛速度慢，以此同时K
‑
means很容易被噪声数据影响，并且聚类数目的不确定和初始聚类中心选取的随机性，大大降低了K
‑
means聚类算法的稳定性、准确率。

技术实现思路

[0003]本申请提供了一种基于用户数据分布的K
‑
means方法，解决了K
‑
means聚类算法的稳定性差且准确率低的技术问题。
[0004]有鉴于此，本申请第一方面提供了一种基于用户数据分布本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于用户数据分布的K
‑
means方法，其特征在于，包括：采用基于数据分布的canopy算法对样本数据进行粗分类，得到聚类数K；采用改进的遗传算法求取所述样本数据中适应度最高的前K个样本点作为初始聚类中心。2.根据权利要求1所述的基于用户数据分布的K
‑
means方法，其特征在于，所述采用基于数据分布的canopy算法对样本数据进行粗分类，得到聚类数K，具体包括：S11：取样本集D中所有样本点的平均值作为中心点canopy；S12：计算所述中心点canopy至所述样本集D中各样本点之间的距离dist，样本点i被归为于聚类canopy的概率prob，以及所述样本集D的所述中心点canopy的密集度dens；S13：根据所述样本点的分布设定概率值P1和P2；S14：根据预置规则将所述密集度与所述概率值P1和P2进行比较，得到聚类canopy半径T2和非聚类半径T1；S15：将dist<T2的第一样本点归类于聚类canopy中，将属于聚类canopy中的样本点求均值，得到均值点，将聚类中靠近所述均值点的样本点作为聚类canopy的中心点；S16：从所述样本集D中剔除所述第一样本点，将T2<dist<T1的样本点组合成新的样本集D1；S17：重复步骤S11
‑
S16，直到新的样本集中没有样本点，则得到K个聚类canopy。3.根据权利要求1所述的基于用户数据分布的K
‑
means方法，其特征在于，所述计算所述中心点canopy至所述样本集D中各样本点之间的距离dist，样本点i被归为于聚类canopy的概率prob，以及所述样本集D的所述中心点canopy的密集度dens，具体为：所述中心点canopy至所述样本集D中各样本点之间的距离dist为：样本点i被归为聚类canopy的概率prob为：所述样本集D的所述中心点canopy的密集度dens为：式中，x
i
为第i个样本点，x
canopy
为中心点canopy；MAX{dist(x1),
…
,dist(x
n
)}为中心点canopy与样本集D中最远样本点的距离；num(canopy)表示中心点canopy的聚类中样本点个数，num(D)表示样本集D中样本点个数。4.根据权利要求3所述的基于用户数据分布的K
‑
means方法，...

【专利技术属性】
技术研发人员：任熠营，陈玉冰，张立臣，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：