[发明专利]一种量子行走的空间聚类方法

说明书

本发明公开了一种量子行走的空间聚类方法，包括：步骤一，初始化n维空间，n为数据点的维度，并将数据点自然映射到空间上；定义一个距离函数；步骤二，检查包括数据点的空间数目λ与聚类数目θ之间的关系，如果λ＞θ，找出潜在的孤立点空间，并分别计算含有数据点的空间中所含数据点数量最少的空间V_min相对于含有数据点的邻域中每个空间的总收益；若λ＝θ，则执行步骤六；步骤三，空间合并与坍缩，合并坍缩后跳回步骤二；步骤四，当包含数据点的空间数量达到聚类数时，如果空间不相邻，则结束，得到相应的聚类结果。

技术领域

本发明涉及一种量子行走的空间聚类方法。

背景技术

文献“量子随机行走的基本性质及应用研究”“Models of cooperation based onthe prisoner’s Dilemma and the Snowdrift game”“Five Rules for the Evolutionof Cooperation”等提出了一个基于图的量子博弈聚类算法，该算法将数据点看作参与博弈的人。在博弈过程中，参与人都希望自己的利益最大化。文献“基于网格的量子博弈聚类算法”提出一种基于网格的量子博弈聚类算法，算法将数据点看作是博弈的参与人，通过在收益矩阵中内嵌距离函数，使相似的数据点能够获得更大的收益，从而形成聚类。这些方法聚类效果还不是很令人满意，得到最终结果的过程比较长，不能迅速的得到聚类结果。

发明内容

本发明的目的就是为了解决上述问题，提供一种量子行走的空间聚类方法，能够快速得到聚类结果，能更快更好地解决问题。

为了实现上述目的，本发明采用如下技术方案：

一种量子行走的空间聚类方法，包括：

步骤一，初始化n维空间，n为数据点的维度，并将数据点自然映射到空间上；定义一个距离函数；

步骤二，检查包括数据点的空间数目λ与聚类数目θ之间的关系，如果λ＞θ，找出潜在的孤立点空间，并分别计算含有数据点的空间中所含数据点数量最少的空间V_min相对于含有数据点的邻域中每个空间的总收益；若λ＝θ，则执行步骤六；

步骤三，空间合并与坍缩，合并坍缩后跳回步骤二；

步骤四，当包含数据点的空间数量达到聚类数时，如果空间不相邻，则结束，得到相应的聚类结果。

所述步骤一中，为了使任意空间中的数据点具有相同的行走环境，对于3维的情况，设定量子行走空间的上下、左右、前后边界相连。

所述步骤一中的距离函数满足两个点之间的距离越靠近时，函数值就越小。

所述步骤二中，孤立点空间的寻找方法为：

查找含有数据点的空间中所含数据点数量最少的空间，记为V_min；若其邻域没有数据点，则将其邻域都并入V_min；如果合并后的V_min所占体积达到总体积设定，则该空间即为潜在的孤立点空间。

所述步骤二中总收益的计算方法为，

查找含有数据点的空间中所含数据点数量最少的空间，记为V_min，如果V_min的邻域中有数据点，则V_min中的所有数据点分别与邻域内的所有数据点进行一次收益比较，然后分别计算出V_min中数据点相对邻域中每个空间的总收益。

所述步骤三中的具体方法为，计算V_min中的每个数据点相对于含有数据点的邻域内的所有数据点的收益，根据计算出的收益决定新的归属，整个空间按照少数服从多数的原则合并到某个邻域空间中；合并后的空间体积并不扩大，而是坍缩到一个空间的大小。