[发明专利]一种基于高维空间映射的K调和均值聚类方法

说明书

技术领域

本发明涉及计算科学和智能信息处理领域，尤其是对数据集进行聚类的技术，具体地说是一种基于高维空间映射的K调和均值聚类方法。

背景技术

聚类分析作为一种数据预处理方法，是进一步分析和处理数据的基础，聚类分析在处理大规模数据中成为不可或缺的重要工具。目前，最常用的数据聚类方法是K均值聚类方法，实验证明，该方法虽能在一定程度上解决智能信息处理过程中的聚类需求，但是该方法对初始化聚类中心的随机性非常敏感，而且无法解决实际工程应用中的数据混叠问题，所以该方法已经不能适用于当前大规模复杂数据聚类的需求。因此迫切需求一种对初始化聚簇中心不甚敏感且能解决数据混叠问题的聚类方法。

发明内容

本发明的目的在于提供了一种基于高维空间映射的K调和均值聚类方法，该方法能够使大规模复杂数据聚类结果稳定并且更加准确。

为了实现上述目的，本发明的技术方案是：一种基于高维空间映射的K调和均值聚类方法，其包括如下步骤：

(1)将原始数据处理为空间向量形式，即每个数据样本都以多维空间向量的形式存在；

(2)选择数据的初始化聚类中心；

(3)将距离测度映射至高维空间；

(4)将映射后的距离测度带入计算样本点的调和距离；

(5)以该调和距离为距离测度进行K均值聚类；

(6)结果输出。

为了能够较好地分辨、提取并放大有用的特征，从而实现更为准确的聚类，上述步骤(3)中的距离测度为夹角余弦值，并采用Mercer核函数将夹角余弦值映射到高维空间。

本发明具有以下优点：

本发明针对复杂场合下的数据聚类设计的基于高维空间映射的K调和均值聚类方法可对点状空间向量数据进行稳定准确地聚类，实现对数据不同类别的聚合操作。在距离度量领域，利用径向基核函数将余弦度量映射至高维计算，可以对混叠数据进行有效的分离，对于传统的余弦度量方法，具有很大的优势。

附图说明

附图为本发明方法的流程图。

具体实施方式

本发明的方法步骤如附图所示，为了表述清晰，下面将分步骤描述本发明的具体实施例。

(1)数据处理。

本方法的数据基础是本领域内形式最广泛的空间向量形式，即每个数据样本都是以多维空间向量的形式存在。因大多数现实数据都是以多维空间向量的形式出现，故数据处理的具体方法不属于本发明的内容，本步骤仅为说明本方法所用数据应为空间向量形式的数据。

(2)选择数据初始化聚类中心。

本发明所涉及到的领域为数据聚类，故应指定数据的预期类别数K。本发明针对预期类别数K，选择K个初始化聚类中心。因本发明对于初始数据并不敏感，故本实施例为随机抽取K个数据样本作为初始化聚类中心，聚类中心集合记为C_l＝[C_l1，C_l2，...，C_lm]，其中l为聚类中心的迭代次数，C_lm即为第m个类别第l轮计算后的聚类中心。

(3)将距离测度映射至高维空间。

本实施例的距离测度为夹角余弦值，对于夹角余弦度量进行Mercer核函数映射，因Mercer核函数有重要特性，即将低维数据通过非线性映射至高维后，能够较好地分辨、提取并放大有用的特征，从而实现更为准确的聚类。不失一般性，本实施例使用Mercer核函数中较为典型的高斯核函数进行说明，经映射之后两个数据样本之间的距离测度(式(1))如下：