[发明专利]基于物联网的数据挖掘方法

权利要求书

1.一种基于物联网的数据挖掘方法，用于处理物联网中的射频标签数据进行分类，其特征在于，包括：

在数据预处理过程中将样本属性量化为数值类型，通过属性类对训练样本进行K-means聚类，在不同类别的子集之间进行类间调整；根据落入不同分类区域的样本，采用相应的处理过程来分类样本。

2.根据权利要求1所述的方法，其特征在于，所述在不同类别的子集之间进行类间调整，进一步包括：

若聚类后的子集存在空间重叠，则：

Step1设一个集合U＝空集

Step2对于任意两个不属于同一类的子集A和B，若存在实例集{x₁，x₂，...，x_n}属于子集A，且每一个实例X有|X，A|>|X，B|，其中|X，A|表示实例X到子集A的马氏距离，其中n是子集的实例数,或者存在实例集{x₁，x₂，...，x_n}属于B，且实例集中{x₁，x₂，...，x_n}的每一个实例X有|X，A|<|X，B|，若实例集{x₁，x₂，...，x_n}的实例数大于设置的参数阈值β，则将A和B集合加入集合U；

Step3如果算法结束；否则转Step4；

Step4将U集合中的子集按属性类分别聚类为2个子集，若已分类实例集{x₁，x₂，...，x_n}，则保留两个新子集，置集合U为空，转至Step2，若没有分类，跳转至step4。

Step5若类域空间中的子集所有样本的{x₁，x₂，...，x_n}都相同，则将该子集空间称为稳定区域；若子集所有样本的{x₁，x₂，...，x_n}属于不同的类别，则将该子集的空间确定为临界区域，将样本空间中，除了稳定区域和临界区域剩下的所有空间，称为增量处理区域；

对于临界区域，统计落入各个临界区域内每一个类别的实例数，用其中最大样本实例数的类别代表该临界区域的类别；对于稳定区域直接分类给该稳定子集所代表的类域；对于增量处理区域，利用增量处理过程来分类样本。

3.根据权利要求2所述的方法，其特征在于，所述对于增量处理区域，利用增量处理方法来分类样本，进一步包括：

步骤1：对于落入增量处理区域的样本集合S，若不是首次处理，跳转至步骤2，若是第一次处理，则将集合S按照属性类，使用欧式距离作为度量方式，求出中心向量集合P，对集合S分类，生成错误分类集合α，随机地以集合α中的实例x为新增加的中心向量，再次分类集合S，若新增加的中心向量的适应度Γ>0，则实例x为新的中心向量，加入集合P，从集合S中去除正确分类的所有实例，重复该步骤，直到查找所有的新增中心向量；

步骤2：判断落入增量处理区域空间的实例总数SUM是否达到预设的样本总数阈值Φ，若达到，落入增量处理区域的实例总数SUM＝0，对代表样本集合J分类，重新进行区域划分，若没有达到阈值Φ，重新计算落入增量处理区域的实例总数SUM，在已有的中心向量集合P基础上，分类集合L，得到错误分类集合π，将代表样本集合加入新训练集合，随机地以集合π中的实例x作为新增加的中心向量，再次分类新训练样本，若实例x的中心向量适应度Γ>0，则实例x作为新的中心向量加入集合P，直到查找所有的新增中心向量；

步骤3，重新从落入增量处理区域的样本，选取代表样本，最后保留代表样本。