[发明专利]基于类心密度策略的多目标微分自动聚类方法

摘要

本发明公开了基于类心密度策略的多目标微分自动聚类方法。通过初始化时给定待聚类问题的最大聚类个数Kmax、最大迭代次数tmax以及群体规模P(t)，在算法执行聚类过程中，首先采用实数、定长的染色体编码方式表示个体V；其次采用类心密度策略选择聚类中心Ci；然后计算所有个体的两个目标函数值；然后进入迭代过程，执行微分进化算法中的变异、交叉策略，直到迭代次数满足最大迭代次数tmax为止，得到一组Pareto最优解；最后从这组Pareto最优解中选择正确率最高的解作为最终的聚类结果。本发明实现了在不预先指定聚类个数的情况下对数据进行自动正确的聚类。

主权项

1.基于类心密度策略的多目标微分自动聚类方法，其特征在于，包括以下步骤：(1)给定微分进化算法中，变异因子和交叉因子的值，设定最大迭代次数为tmax，初始化迭代次数t＝0，生成初始群体P(t)；(2)将类心密度小于阈值以及两两类心之间距离小于阈值的类心分别筛选出来，不让其参与聚类，其余类心作为临时聚类中心；(3)求解临时聚类中心与待聚类数据点之间的距离，将每个数据点归类到与其距离最短的临时聚类中心所在类中，依次求取每一类中所有数据点各维的均值，得到新的聚类中心；(4)求解新的聚类中心与待聚类数据点之间的距离，将每个数据点归类到与其距离最短的新的聚类中心所在类中；根据聚类准则函数，求解群体P(t)中所有个体V的目标值；(5)根据rel‑支配关系，从群体P(t)中确定出非支配解，并将其存于集合P1(t)中；(6)对群体P(t)采用协同进化策略，进行变异交叉后得到子代群体存于Q(t)；(7)首先对生成的子代群体Q(t)执行步骤(2)‑(4)，然后根据rel‑支配关系，从群体Q(t)中确定出非支配解，并将其存于集合P2(t)中；(8)在并集P1(t)∪P2(t)中，根据rel‑支配关系求出非支配解集，并将其存于P1(t)中；(9)如果t≥tmax，将当前非支配解集P1(t)作为近似的Pareto最优解集，选择正确率最高的一个解作为最优解输出，算法停止；否则，令P(t+1)＝P1(t)，t＝t+1，转至步骤(6)。