[发明专利]基于材力形心法选取中心点的K‑means聚类优化方法和装置

权利要求书

1.一种基于材力形心法选取中心点的K-means聚类优化方法，其特征在于，包括如下步骤：

预处理步骤：对数据进行预处理，输入二维数据集；

初始中心点获取步骤：确定K值，随机选取K个初始中心点；

初始簇平面形成步骤：

步骤S31，将数据集中的点分配到离初始中心点距离最近的簇内；

重复所述步骤S31一次，数据集中形成K个簇平面；

聚类步骤：

步骤S41，基于静矩计算所述K个簇平面的形心，将所计算K个簇平面的形心作为每个簇新的聚类中心点，并根据数据集中剩余对象与新的聚类中心点的距离，将其分配到最近的一个簇；

重复所述步骤S41进行簇中心点坐标的迭代，当簇中心点的坐标趋于稳定时，停止迭代，将结果簇进行输出。

2.根据权利要求1所述的基于材力形心法选取中心点的K-means聚类优化方法，其特征在于，在所述聚类步骤的步骤S41中，所述基于静矩计算所述K个簇平面的形心的方法具体为：

将簇视为一不规则平面图形，取一微面积dA，基于如下形心计算公式进行计算：

其中：S_x、S_y分别定义为簇图形对x轴和y轴的静矩，分别表示簇的形心横纵坐标。

3.根据权利要求1所述的基于材力形心法选取中心点的K-means聚类优化方法，其特征在于，在所述初始中心点获取步骤中，所述K值的确定方法具体为：选取轮廓系数大的值所对应的K值。

4.根据权利要求3所述的基于材力形心法选取中心点的K-means聚类优化方法，其特征在于，所述轮廓系数具体计算公式为：

$S\left(i\right)=\frac{n\left(i\right)-m\left(i\right)}{max\{m\left(i\right),n\left(i\right)\}}---\left(1\right)$

其中，i表示数据集中的一个数据点，S(i)表示i点的轮廓系数，m(i)表示i点到它所在的簇中的所有其他点的距离平均值，n(i)表示i点到其他簇的点的平均距离的最小值。