[发明专利]信息粒导向变相动态快速聚类算法

说明书

本发明公开了一种导向变相动态快速聚类算法，首先对信息粒数据作平移标准差变换，然后构造信息粒相矢量；最后对信息粒相矢量进行聚类；本发明对信息粒数据进行导向压缩处理，赋予信息粒以相信息，对信息粒相矢量进行聚类，可以使高维数据降维，且通过参数调整可以提高调整聚类性能而不影响算法运算复杂度。使其更快聚类，提高了聚类效果。

技术领域

本发明属于大数据技术研究领域，具体涉及一种有效的导向变相动态快速聚类算法，以提高聚类性能。

背景技术

在大数据时代，如何充分挖掘出蕴藏于数据资源中的价值正在成为各国 IT业界、学术界和政府共同关注的焦点。数据挖掘中应用最为广泛的经典聚类算法之一的kmeans算法一直以来倍受学者们的青睐，针对kmeans算法自身的缺陷，如受迭代次数影响、受初始化中心的影响，当处理实际应用领域的复杂高维数据时，将会出现运算量大、收敛速度慢，不稳定的缺陷。

发明内容

针对上述现有技术存在的不足，本发明的目的在于提供一种信息粒导向变相动态快速聚类算法,更快聚类，提高了聚类效果，聚类稳定可调；解决现有的聚类算法运算量大、收敛速度慢，不稳定的缺陷。

为解决上述技术问题，本发明采用了以下技术方案：

一种导向变相动态快速聚类算法，包括以下步骤：

步骤一：对信息粒数据D作平移标准差变换，得到

信息粒数据D为：

变换之后的信息粒数据为：

其中，

x_nm表示第n个数据的第m个属性，x′_nm表示经平移标准差变换后的第 n个数据的第m个属性，N表示信息粒数据的个数，每个数据有M个属性；

步骤二：构造信息粒相矢量；

步骤2.1：信息粒数据的导向矢量Ξ为：

其中，Ω为信息粒的导向压缩矢量，Λ为信息粒的导向压缩变换矢量，Λ＝[cosθ₁ cosθ₂ … cosθ_m … cosθ_M]^T，且满足θ_m表示波长为λ的平行波辐射在信息粒上时该平行波束与M维空间标准正交坐标轴的正向夹角，m＝1,2,...,M；

步骤2.2：相矢量Ψ分布在单位圆上，相矢量中每一个元素为信息粒的一个相，相矢量中一个相对应单位圆上的一个点，相矢量Ψ的表达式为：Ψ＝e^jΞ，其中，

步骤三：对信息粒相矢量进行聚类；

对相矢量Ψ在单位圆上形成的点进行聚类，获得K个类簇，K>1。

本发明还具有如下区别技术特征：

所述的步骤二至步骤三中，平行波的波长λ为λ≥max(Ω)的变量。

所述的步骤三中，使用K-means聚类算法对相矢量Ψ在单位圆上形成的点进行聚类。

本发明的有益效果：

本发明对信息粒数据进行导向压缩处理，赋予信息粒以相信息，对信息粒相矢量进行聚类，可以使高维数据降维，且通过参数调整可以提高调整聚类性能而不影响算法运算复杂度。使其更快聚类，提高了聚类效果；聚类稳定可调，更适合实际应用。

附图说明