數(shù)據(jù)挖掘中基于密度的k中心點(diǎn)劃分聚類方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種聚類方法，尤其是一種數(shù)據(jù)挖掘中基于密度的K中心點(diǎn)劃分聚類 方法，屬于聚類分析的技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 數(shù)據(jù)挖掘是當(dāng)今計算機(jī)研宄的熱題之一，聚類分析作為一種無監(jiān)督的機(jī)器學(xué)習(xí)方 法，是指對于一個數(shù)據(jù)對象集合，研宄如何自動把數(shù)據(jù)對象劃分到不同的簇中，讓相同簇內(nèi) 的對象在某種衡量標(biāo)準(zhǔn)下具有較高的相似性，而不同簇中的數(shù)據(jù)對象具有低的相似性。聚 類分析被廣泛的應(yīng)用在機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、語音識別、圖像分割、商業(yè)分析和生物信息處 理等前沿領(lǐng)域。目前，傳統(tǒng)的聚類算法主要包括五類，他們分別是：基于劃分的聚類算法、基 于層次的聚類算法、基于密度的聚類算法、基于網(wǎng)格的聚類算法和基于模型的聚類算法。
[0003] 在聚類算法當(dāng)中，K均值算法屬于基于劃分的聚類算法，它簡潔而快速，以高效而 著稱。但原始的K均值算法存在一些缺陷：1)、原始算法要求使用者給出K值，即類簇的個 數(shù)，這個值主要由經(jīng)驗(yàn)得來，所以確定K值的難度較大；2)、算法對初始聚類中心敏感，初始 中心選擇的優(yōu)劣，會影響聚類結(jié)果，影響算法運(yùn)行的效率；3)、該算法對異常數(shù)據(jù)較為敏感， 會導(dǎo)致結(jié)果陷入局部最優(yōu)解。
[0004] 目前，一些學(xué)者已對初始中心點(diǎn)問題做出了些改進(jìn)，如為防止結(jié)果陷入局部最優(yōu)， 通常是選擇距離較遠(yuǎn)的比較分散的點(diǎn)作為初始中心點(diǎn)。但若僅僅考慮距離因素，則容易選 到異常點(diǎn)，進(jìn)而影響到聚類效果。學(xué)者也都考慮到這些問題，進(jìn)而從密度的角度出發(fā)，來過 濾掉異常點(diǎn)。還有一個問題是初始中心點(diǎn)有可能會被選成同一個類簇中的點(diǎn)，即盡管某個 點(diǎn)的密度比較大，但是該點(diǎn)對應(yīng)的類簇中已經(jīng)有點(diǎn)被選做中心點(diǎn)了，此時應(yīng)該選擇其它類 中的有代表性的點(diǎn)，否則，也會導(dǎo)致結(jié)果容易陷入局部最優(yōu)解。
【發(fā)明內(nèi)容】
[0005] 本發(fā)明的目的是克服現(xiàn)有技術(shù)中存在的不足，提供一種數(shù)據(jù)挖掘中基于密度的K 中心點(diǎn)劃分聚類方法，其能夠選出高質(zhì)量的中心點(diǎn)，然后將數(shù)據(jù)對象聚類，而不需要像K均 值算法中的后續(xù)迭代更新步驟，其降低計算復(fù)雜度，提高分類的準(zhǔn)確率，穩(wěn)定性高，提高運(yùn) 算效率。
[0006] 按照本發(fā)明提供的技術(shù)方案，一種數(shù)據(jù)挖掘中基于密度的K中心點(diǎn)劃分聚類方 法，所述聚類方法包括如下步驟：
[0007] 步驟1、給定所需的數(shù)據(jù)集，并確定聚類個數(shù)K;
[0008] 步驟2、計算數(shù)據(jù)集內(nèi)所有數(shù)據(jù)對象的密度，并根據(jù)得到數(shù)據(jù)對象的密度計算數(shù)據(jù) 集的平均密度；
[0009] 步驟3、計算數(shù)據(jù)集內(nèi)每個數(shù)據(jù)對象的最小密度距離值；
[0010] 步驟4、對數(shù)據(jù)集內(nèi)數(shù)據(jù)對象的最小密度距離值進(jìn)行降序排序，根據(jù)確定的聚類個 數(shù)K，從大到小選擇K個與最小密度距離值對應(yīng)并且密度大于平均密度的數(shù)據(jù)對象作為聚 類中心；
[0011] 步驟5、根據(jù)上述獲得的聚類中心，將數(shù)據(jù)集內(nèi)的數(shù)據(jù)對象分配到與所述數(shù)據(jù)對象 距離最近的初始聚類中心，得到聚類結(jié)果。
[0012] 對于數(shù)據(jù)集X=IxiIi= 1，2,…，n}，數(shù)據(jù)對象具有m維特征，則數(shù)據(jù)對象的密度 為
【主權(quán)項】
1. 一種數(shù)據(jù)挖掘中基于密度的K中心點(diǎn)劃分聚類方法，其特征是，所述聚類方法包括 如下步驟： 步驟1、給定所需的數(shù)據(jù)集，并確定聚類個數(shù)K; 步驟2、計算數(shù)據(jù)集內(nèi)所有數(shù)據(jù)對象的密度，并根據(jù)得到數(shù)據(jù)對象的密度計算數(shù)據(jù)集的 平均密度； 步驟3、計算數(shù)據(jù)集內(nèi)每個數(shù)據(jù)對象的最小密度距離值； 步驟4、對數(shù)據(jù)集內(nèi)數(shù)據(jù)對象的最小密度距離值進(jìn)行降序排序，根據(jù)確定的聚類個數(shù) K，從大到小選擇K個與最小密度距離值對應(yīng)并且密度大于平均密度的數(shù)據(jù)對象作為聚類 中心； 步驟5、根據(jù)上述獲得的聚類中心，將數(shù)據(jù)集內(nèi)的數(shù)據(jù)對象分配到與所述數(shù)據(jù)對象距離 最近的初始聚類中心，得到聚類結(jié)果。
2. 根據(jù)權(quán)利要求1所述的數(shù)據(jù)挖掘中基于密度的K中心點(diǎn)劃分聚類方法，其特征是： 對于數(shù)據(jù)集X = Ixi I i = 1，2,…，η}，數(shù)據(jù)對象具有m維特征，則數(shù)據(jù)對象的密度為
其中，d(Xi，xp為數(shù)據(jù)對象Xi與數(shù)據(jù)對象^之間的歐式距離，
，i = 1，2,…，η ; j = 1，2,…，n ;R為數(shù)據(jù)對象Xi的鄰域半徑。
【專利摘要】本發(fā)明涉及一種數(shù)據(jù)挖掘中基于密度的K中心點(diǎn)劃分聚類方法，其包括如下步驟：步驟1、給定所需的數(shù)據(jù)集，并確定聚類個數(shù)K；步驟2、計算數(shù)據(jù)對象的密度及平均密度；步驟3、計算數(shù)據(jù)集內(nèi)每個數(shù)據(jù)對象的最小密度距離值；步驟4、對數(shù)據(jù)集內(nèi)數(shù)據(jù)對象的最小密度距離值進(jìn)行降序排序，根據(jù)確定的聚類個數(shù)K，從大到小選擇K個與最小密度距離值對應(yīng)并且密度大于平均密度的數(shù)據(jù)對象作為聚類中心；步驟5、將數(shù)據(jù)集內(nèi)的數(shù)據(jù)對象分配到與所述數(shù)據(jù)對象距離最近的初始聚類中心，得到聚類結(jié)果。本發(fā)明能夠選出高質(zhì)量的中心點(diǎn)，而不需要像K均值算法中的后續(xù)迭代更新步驟，其降低計算復(fù)雜度，提高分類的準(zhǔn)確率，穩(wěn)定性高，提高運(yùn)算效率。
【IPC分類】G06F17-30
【公開號】CN104765879
【申請?zhí)枴緾N201510208624
【發(fā)明人】袁啟龍, 史海波, 周曉鋒
【申請人】無錫中科泛在信息技術(shù)研發(fā)中心有限公司
【公開日】2015年7月8日
【申請日】2015年4月28日