[发明专利]一种粒子自动分类方法

权利要求书

1.一种粒子自动分类方法，其特征在于包括如下步骤：

A1、根据得到的每个细胞或粒子逐一通过光照区域时产生的至少两路光信号，将每个细胞或者粒子表示为每一个与其光信号强度相关的、至少二维的特征向量；

B1、计算所有有效细胞或粒子与其每一类中心细胞的距离，即距离越近，每一类细胞或粒子之间的相似程度越高；

C1、直到每一类细胞的中心位置与前一次中心位置小于一个足够小的值时，每一类的细胞或者粒子的相似程度达到最高；

D1、反复步骤C1，至少将所有有效细胞或者粒子聚类成符合样本的测量原理所应有的类别数。

2.如权利要求1所述的粒子自动分类方法，其特征在于，在步骤A1之后，步骤B1之前包括如下步骤：设定阈值，将不符合阈值条件或者和周围数据差异很大的细胞或者粒子去掉。

3.如权利要求1所述的粒子自动分类方法，其特征在于步骤B1中距离用选自于欧式距离、绝对距离、最大距离、最小距离、Minkowski距离、Chebyshev距离、方差加权距离和马氏距离中的任意一种方法来计算细胞或者粒子之间的距离。

4.如权利要求3所述的粒子自动分类方法，其特征在于：所属步骤C1中采用的聚类方法是一种k均值聚类方法，所述的k均值聚类方法包括以下步骤：

C11、k均值聚类的初始中心采用了一种中心对称的高斯核，此高斯核适用于任意维度的数据，高斯核和图像的有效数据进行卷积，得到此数据的平滑效果图，再找到其每一类峰值作为初始的中心；

C12、计算出每一个有效细胞或者粒子与初始中心的距离，找到其距离的最小的细胞或者粒子；

C13、将该细胞或者粒子合并成与其最近的中心的一类；

C14、计算出中心，反复上述步骤C12，C13；

C15、直到其中心位置和前一次的中心位置小于一个很小的值时，聚类结束。

5.如权利要求4所述的粒子自动分类方法，其特征在于：在所述的步骤C11中，选择的高斯核一种基于中心对称、旋转不变性、适用于任意维度的有效数据的滤波核函数。

6.如权利要求4所述的流式细胞术的自动分类方法，其特征在于：在所述的步骤C12中，在合并过程中记录其要合并的编号。

7.如权利要求1至6中任一项所述粒子自动分类方法，其特征在于：在所述步骤D1中，最后将所有有效细胞或者粒子聚集成为符合测量原理的类。

8.如权利要求7所述粒子自动分类方法，其特征在于：所述D1之后还包括以下步骤：

E1、进行聚类结束评价，确定此类别数和测量原理的类别数是否相符。

9.如权利要求8所述的粒子自动分类方法，其特征在于：所属步骤E1包括如下步骤：

E11、如果此类别数c和测量原理M不符，即初始中心的选择有误，缩小核的大小重新确定中心，迭代超过一定次数后，还是不收敛，根据公式计算每个类内的离差平方和，其中S_k为G_k的类内的离差平方和，x_i为类G_k内的第i个细胞或者粒子的特征数据向量(x_i1，x_i2，x_i3，...x_ip)^T，是G_k内的中心；

E12、计算样本分成c个类时各类内的类内离差平方和在求和值和P；

E13、离差平方和P是渐进下降之后上升的曲线，通过找到其最小值作为收敛次数。