[发明专利]基于聚类和匈牙利算法的数据分类方法

权利要求书

1.一种基于聚类和匈牙利算法的数据分类方法，其特征在于，包括以下步骤：

S1，读取原始样本集{X₁、X₂…X_N}；

原始样本集{X₁、X₂…X_N}包括已知分类样本子集{X₁、X₂…X_n}和未知分类样本子集{X_n+1、X_n+2…X_N}；其中，已知分类样本子集{X₁、X₂…X_n}中各个样本所属类别Y_i分别为Y₁、Y₂…Y_n；已知分类样本子集中已知类别个数为L；

未知分类样本子集{X_n+1、X_n+2…X_N}中未知类别个数为C；

S2，将原始样本集{X₁、X₂…X_N}中所有样本视为无分类样本，对原始样本集中的所有样本采用聚类方法进行首次聚类，得到L+C个类别；

S3，将L个已知类别通过匈牙利算法指派到L+C个类别中的L个类别，将首次聚类得到的类别与已知类别对应上；

S4，将已知分类样本子集{X₁、X₂…X_n}中各个样本划分到其归属的类中，然后保持已知分类样本子集{X₁、X₂…X_n}中各个样本所属类不变，再次聚类，使用目标函数迭代未标注的样本，使未标注的样本分到某个类别或视为背景噪音；

S2中，所述聚类方法为KMeans聚类方法或分层聚类方法；

S4中，再次聚类时所采用的聚类方法为KMeans聚类方法或分层聚类方法；

S4中，使用目标函数迭代未标注的样本，使未标注的样本分到某个类别或视为背景噪音，具体为：

使用目标函数迭代未标注的样本，通过目标函数是否达到极值识别背景噪音；当本次迭代结果与上次迭代结果不再发生变化时，或目标函数不再发生变化时，结束分类；

所述目标函数设定为：类间分散度*类内聚合度*识别率；

所述类间分散度用间平均距离、类间均方距离、类间最小距离或类间最大距离表示；

可设为：(不同类间样本的平均距离)/(所有有分类的样本间平均距离)＝(所有有分类的样本的总距离-各类内的样本间的总距离)/(所有有分类的样本总距离)*所有有分类的样本数*(所有有分类的样本数-1)/∑(某分类的样本数*(某分类的样本数-1))；

所有有分类的样本间平均距离是指：对Yi>0且Yj>0的所有i,j，求dij的平均值；

所有有分类的样本总距离是指：对Yi>0且Yj>0的所有i,j，求dij的总和；

所有有分类的样本数是指：对Yi>0所有i的个数；

各类内的样本间的总距离是指：对Yi>0,Yj>0且Yi＝Yj的所有i,j，求dij的总和；

不同类间样本的平均距离是指：对Yi>0,Yj>0且Yi≠Yj的所有i,j，求dij的平均值；

所述类内聚合度用类内平均距离、类内均方距离或类内最大距离表示；

所述识别率表达式为：类别个数/总样本个数。