[发明专利]一种复杂系统中非监督聚堆方法

说明书

技术领域

本发明属于复杂系统科学和数据挖掘领域，涉及一种基于改进关联度系数的复杂系统熵聚堆方法。

背景技术

复杂系统熵分划是目前唯一一个复杂系统的非监督聚类方法，此方法基于传统的关联度系数法画出信息连通图，然后人为分类，每一个类对应一个子系统。可是此方法有两个缺点：

(1)它不是自组织的，需要人为确定，而且实现“刚性”分类，不能实现某些特征变量在不同的子系统里面出现。

(2)此方法缺少验证，使得对得到的许多结果无法给出最优的结果。

发明内容：

本发明欲解决的传统技术关联度不能区分正相关和负相关的技术问题，为此，本发明提出一种快速、自组织、不但能实现聚类，还能实现某些变量在不同的子系统里面出现复杂系统中非监督聚堆方法。

为了实现所述的目的，本发明复杂系统中非监督聚堆方法的技术方案如下：

步骤S1：根据复杂系统样本的原始信息确定离散的特征变量和类变量；特征变量用于描述此复杂系统属性的自变量；

步骤S2：用改进的关联度系数算出两两特征变量之间的关联度；

步骤S3：确定每个特征变量的“亲友团”；

步骤S4：根据聚堆方法自组织对特征变量进行非监督聚堆，得到特征变量的组合；

步骤S5：将每个堆回代到原数据中，得到算法的敏感性；

步骤S6：判断敏感性的大小，如果敏感性为最大，转入步骤7，如果敏感性不是最大，转入步骤2；

步骤S7：利用系统的类变量对非监督聚堆方法进行验证，得到特征变量最优的组合。

根据本发明的实施例，所述两两特征变量间的改进关联度的确定方法具体为：

μ(Xi,Xj)=H(Xi)+H(Xj)-H(Xi,Xj)H(Xj)Po(i,j)≥δH(Xi)+H(Xj)-b*H(Xi,Xj)H(Xj)Po(i,j)<δ]]>