[发明专利]一种决策值选取初始聚类中心改进的K-means算法

权利要求书

1.一种基于决策值选取初始聚类中心改进的K-means算法，其特征在于：包括以下步骤：

S1、选取初始聚类中心；通过计算每个样本点的密度和距离，并相乘求得决策值，选取决策值较大的k个样本点作为初始聚类中心点；

S2、聚类；按传统的K-means算法进行聚类，但在聚类过程中用各簇的中位数代替均值进行后续聚类中心的迭代，消除离群点对聚类结果的影响；

IKDV算法主要步骤如下：

输入：数据集D，聚类簇数k；

输出：聚类结果C；

Step1.对D中的每个数据对象，计算样本点x_i的局部密度ρ_i，计算样本点x_i的相对距离δ_i；

Step2.根据样本点x_i的局部密度和相对距离计算决策值γ_i，并按照决策值大小进行降序排列，构造以样本点总数n为横轴，决策值γ为纵轴的决策值图；

Step3.根据输入的聚类簇数，自动选取k个远离平滑区域，且决策值较大的样本点作为初始聚类中心{μ₁,μ₂…,μ_k}；

Step4.根据距离最近原则确定样本点x_j(1≤j≤n)所属簇标记：将样本点x_j划入相对应的簇：

Step5.利用各簇的中位数代替原来的平均值，重新计算新的聚类中心μ′_i；如果μ′_i≠μ_i，则更新聚类中心，转至step4；否则，算法收敛，输出最终聚类结果，聚类结束；

通过聚类评价指标对比来精确计算聚类结果的准确性，因此采用2种评价指标对聚类结果进行定量分析，具体计算公式如下：

1)聚类准确率(clustering accuracy，简称ACC)^]：

其中，n表示样本总数，a_i表示簇i中聚类正确的样本个数；ACC的范围在0-1之间，ACC的值越大，表明聚类结果越准确；

2)标准化互信息(normalized mutual information，简称NMI)：

其中，m表示数据集指定的聚类类别数，表示数据点属于真实标签类j但被划分到聚类结果簇i中的个数，表示聚类结果簇i中数据点的个数，表示真实标签类j中数据点的个数，NMI取值范围为[0,1]，主要用来衡量各样本分布的吻合程度。

2.根据权利要求1所述的一种基于决策值选取初始聚类中心改进的K-means算法，其特征在于：步骤S2中的K-means算法为：

算法以决策值为基础，对K-means算法选取初始聚类中心进行优化，通过计算数据集中各样本点的局部密度ρ和相对距离δ来确定决策值γ，只有当决策值较大时，才能成为初始聚类中心点，首先给出相关定义，对于任意样本点i，局部密度ρ_i有两种计算方式：截断核和高斯核，具体定义如下：

其中，d_ij为样本点i和j的距离，d_c为样本点的截断距离，式(1)为截断核，即i落在截断距离范围内的数据点个数，适用于聚类离散型数据集；式(2)为高斯核，指所有样本点到该点的高斯距离之和，适用于聚类连续型数据集，

相对距离δ_i指样本点i与其他局部密度更高的点之间的距离，其计算公式如下：

对于局部密度最大的点，CFSFDP算法认为该点必为聚类中心点，因此取

决策值γ_i指局部密度ρ_i与相对距离δ_i的乘积，计算公式如下：

γ_i＝ρ_i·δ_i (4)。