[发明专利]基于最小距离最大化准则优化初始中心的模糊聚类方法

权利要求书

1.一种基于最小距离最大化准则优化初始中心的模糊聚类方法，包括以下步骤：

a.求解样本点中任意两点之间的欧式距离；

b.计算每个点到其他点的距离的平均值；

c.确定第一个聚类初始中心；

d.确定稠密样本点集合；

e.确定下一个聚类初始点；

f.重复步骤e，直至选取所有所需的初始聚类点个数。

2.根据权利要求1所述的基于最小距离最大化准则优化初始中心的模糊聚类方法，其特征在于，在所述a步骤中，求解样本集合X＝[x_ij]中任意两点之间的距离D_ij＝||x_i-x_j||，并保存于矩阵D中。

3.根据权利要求2所述的基于最小距离最大化准则优化初始中心的模糊聚类方法，其特征在于，在所述b步骤中，利用所述矩阵D计算每个点到其余所有点的距离的平均值并保存于向量D₁中。

4.根据权利要求3所述的基于最小距离最大化准则优化初始中心的模糊聚类方法，其特征在于，在所述c步骤中，利用所述向量D₁，确定每个点到其他个点的距离的平均值的最小值，以此确定为第一个聚类初始中心P₁，并存入集合P＝[P₁]。

5.根据权利要求4所述的基于最小距离最大化准则优化初始中心的模糊聚类方法，其特征在于，在所述d步骤中，求所有点到其他各点的距离的平均值D1i的均值，记为aveDensity，计算公式为将D₁中所有小于aveDensity的样本点记为稠密样本点，即P_di＝D_1i＜aveDensity，并存入稠密集合P_d。

6.根据权利要求5所述的基于最小距离最大化准则优化初始中心的模糊聚类方法，其特征在于，在所述e步骤中，利用最小距离最大化准则在所述集合P_d中确定下一个聚类初始点，分别计算所述集合P_d中所有点到所述第一个聚类初始中心P₁的距离，并选取距离中最大的点为第二个聚类初始点，即P₂＝max{min(d(P₁,P_di))},P_di∈P_d，其中d(P₁,P_di)＝||x₁-x_di||，存入集合P＝[P₁,P₂]。

7.根据权利要求3所述的基于最小距离最大化准则优化初始中心的模糊聚类方法，其特征在于，在所述f步骤中，重复所述e步骤，在剔除P₂后的稠密集合P_d′中，计算所有点到已确定聚类初始点集合P的聚类，选取最小距离最大的点为下一个聚类初始点，直至选出所有聚类中心点，即P_k＝max{min(d(P_l,P_d))},P_l∈P,P_di∈P_d′,k＝1,K,s，其中，s为设计初始聚类点个数。