[发明专利]一种决策值选取初始聚类中心改进的K-means算法

说明书

本发明提供了一种基于决策值选取初始聚类中心改进的K‑means算法，操作如下：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。Step4.根据距离最近原则确定样本点所属簇标记，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。

技术领域

本发明涉及机器学习领域,特别涉及一种决策值选取初始聚类中心改进的K-means算法。

背景技术

聚类是把一个数据对象集划分为多个簇的过程，使得簇内的对象相似程度高，但与其他簇中的对象差别尽可能大^]。聚类算法作为数据挖掘的一种重要工具已经广泛地应用于各个领域，例如：图像模式识别、生物学、边界检测等。正因为聚类分析的广泛应用，国内外学者针对不同的数据对象提出了许多聚类方法，其中比较经典的有基于划分的K-means算法、基于网格的STING(STatistical INformation Grid)算法、基于密度的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法，近几年研究者提出的最新算法有近邻传播AP(Affinity Propagation)算法，该算法通过选定的偏向参数，不断更新每个数据点的归属度和吸引度来完成聚类，算法可以自行确定聚类数，但时间复杂度较高。Rodriguez等人于2014 年提出了一种快速搜索密度峰值聚类算法CFSFDP(Clustering by Fast Search and Find of Density Peaks)，以数据点的局部密度和相对距离为基础绘制决策图，选取决策图中密度峰值点作为簇中心，并将其余非聚类样本点划分到最近的聚类中心所在的簇中实现聚类。

发明内容

该算法改进思路主要分两个步骤进行聚类:

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：