[发明专利]聚类方法和设备

权利要求书

1、一种聚类方法，其特征在于，包括以下步骤：

在数据集中选取聚类中心，对于每个所述聚类中心确定特征点集合；

根据所述特征点集合将所述数据集中的数据划分到聚类中；

根据所述划分到聚类中的数据与所述特征点集合的关系确定新的特征点集合；

根据所述新的特征点集合确定聚类结果。

2、根据权利要求1所述的聚类方法，其特征在于，确定新的特征点集合的步骤包括：

根据所述数据与所述特征点集合的关系确定所述特征点集合中的特征点的修正值；

根据所述特征点的当前值与所述特征点的修正值确定新的特征点。

3、根据权利要求1所述的聚类方法，其特征在于，根据所述数据与所述特征点集合的关系确定新的特征点集合的步骤之后还包括：

判断所述新的特征点集合与之前的特征点集合中的特征点的值是否相同；

如果所述新的特征点集合与之前的特征点集合中的特征点的值相同，则根据所述新的特征点集合确定聚类结果；

如果所述新的特征点集合与之前的特征点集合中的特征点的值不同，则重复根据所述新的特征点集合将所述数据划分到聚类中的步骤以及确定新的特征点集合的步骤。

4、根据权利要求1所述的聚类方法，其特征在于，根据所述特征点集合将所述数据集中的数据划分到聚类中的步骤包括：

计算所述数据与所述特征点集合的加权距离；

将所述数据划分到所述加权距离最小的聚类。

5、根据权利要求4所述的聚类方法，其特征在于，计算所述数据与所述特征点集合的加权距离的步骤包括：

根据离散系数确定所述数据与所述特征点的距离的权值。

6、根据权利要求5所述的聚类方法，其特征在于，所述数据与所述特征点的距离d的权值根据以下公式得出：

w(d)＝e^-F×d，

其中d为数据与特征点的距离，F为所述离散系数，w(d)为所述数据与所述特征点的距离的权值。

7、根据权利要求6所述的聚类方法，其特征在于，所述数据与特征点集合的加权距离通过以下公式得出：

D(x,c)=Σi=1md(x,ci)w(d(x,ci))/(Σi=1mw(d(x,ci))),]]>

其中，x为所述数据，c为所述特征点集合，c_i为特征点集合c中的特征点，其中i＝1，2......m，m为所述特征点集合中的特征点的数目，d(x，c_i)为数据x与特征点c_i的距离，w(d(x，c_i))为数据x与特征点c_i的距离的权值，D(x，c)为所述数据x与所述特征点集合c的加权距离。