[发明专利]无参数的k均值聚类方法

说明书

一种无参数的k均值聚类方法，属于数据处理技术领域。本发明的目的是为图像、人体生物特征、汽车驾驶员等对象采集到的多分类数据集，提供一种无参数的k均值聚类方法，其适用于对各种多分类大数据集进行分析。本发明的步骤是：计算待分类数据集中各个数据点的密度；计算分类数据集中各个数据点的离散度；筛选初始类中心和聚类数；用传统k‑mean进行聚类分析并输出结果。本发明适用于对汽车驾驶姿态、驾驶行为、驾驶偏好等信息进行分类识别，便于提前预警疲劳驾驶、异常驾驶，做出相应的驾驶决策、保障车辆安全行驶。

技术领域

本发明属于数据处理技术领域。

背景技术

K均值算法(k-means clustering method，CM)是一种常用的无监督聚类算法，目前已被广泛应用于图像处理领域进行图像分割；用于生物特征识别领域进行人体的身份验证；用于汽车驾驶姿态、行为的分类识别，便于提前预警疲劳驾驶，保障车辆行驶安全。然而该算法在对各个领域采集到的数据集进行聚类分析时，需要人为预先设定两个参数，一个是代表聚类个数的k参数，另一个是初始聚类中心点。这两个参数的选取，直接影响着聚类结果，使聚类陷入局部最优，导致不准确。目前，改进的一些k-mean算法通常通过拉网式训练来选择最优的参数，这并不高效。为了解决这些问题，本发明提出一种无参数的智能k均值聚类算法(paremeter-free Intelligent k-Mean，IKM)。本发明能对从图像、人体生物特征、汽车驾驶员等对象采集到的多类大数据集进行聚类实验，准确评估出聚类数和聚类初值，从而进行优化聚类。

发明内容

本发明的目的是为图像、人体生物特征、汽车驾驶员等对象采集到的多分类数据集，提供一种无参数的k均值聚类方法，其适用于对各种多分类大数据集进行分析。

本发明的步骤是：

第一步计算待分类数据集中各个数据点的密度；

第二步计算分类数据集中各个数据点的离散度；

第三步筛选初始类中心和聚类数；

第四步是用传统k-mean进行聚类分析并输出结果。

本发明所述的计算待分类数据集中各个数据点的密度：

(1)先计算数据集中每个数据点x_i的邻域密度，具体计算方法如下：

对计算数据点x_i的邻域U(x_i)＝{x_j|x_j∈Xandd_ij≤d_l}(i≠j)，其中d_ij＝d(x_i,x_j)，表示两个数据点i和j之间的欧式距离；距离阈值d_l定义为数据集X中样本之间所有距离的平均值的1/10，可表示为：

(2)数据集X中的任意样本点x_i的密度定义为点x_i的邻域U(x_i)内所包含样本点的欧式距离之和，可表达为：计算每个数据点x_i的密度den_i之后，用以下公式对其进行归一化处理：d1_i＝den_i/max(den_i)。

本发明所述的计算分类数据集中各个数据点的离散度：即数据集X中各个数据点x_i的离散度ρ_i，

密度最大的数据点的离散度ρ_i设定为该点与数据集X中所有点的最大距离，公式表达为：

ρ_i＝max(d_ij) (2)