[发明专利]一种改进初始聚类中心选择的方法及系统

权利要求书

1.一种改进初始聚类中心选择的方法，其特征在于，其实现过程为，

一、首先获取数据集，该数据集中含有若干数据对象；

二、选择最小的数据对象；

三、计算所有数据对象与最小数据对象之间的皮尔森相关系数；

四、根据获取的皮尔森相关系数，按照从大到小的顺序降序排列所有数据对象；

五、将数据对象进行分组，获取初始中心点；

六、根据选好的初始中心点进行聚类，重新计算每一个聚类的均值，并用新的均值替换原来的中心点，完成聚类。

2.根据权利要求1所述的一种改进初始聚类中心选择的方法，其特征在于，所述步骤一中的数据集获取包括采集数据对象、数据对象清洗、数据对象处理，其中采集数据对象是指采集各种被测对象的数据参数；数据对象清洗是指对采集的数据对象进行包括填充缺失数据、消除噪声数据的步骤，提高数据集的质量；数据对象处理是指对数据进行包括存储、检索、加工、变换和传输的过程。

3.根据权利要求1所述的一种改进初始聚类中心选择的方法，其特征在于，所述步骤三中的皮尔森相关系数计算公式如下：

其中分子是协方差cov(X,Y)，分母是两个变量标准差的乘积；r表示皮尔森相关性；X表示在数据集中选出的最小数据对象min(D)；Y_i表示数据集中除最小数据对象外的其它数据对象；E表示X和Y_i的期望值，即“X数据对象与其均值之差”乘以“Y_i数据对象与其均值之差”得到一个乘积，再对这个乘积求和并求出均值；σ表示的是标准差，是计算两数据对象之间的离均差平方的算术平均数的平方根；μ表示数据对象的均值；i表示第i个数据对象，i的取值是1≤i≤m,m为样本数据对象总数。

4.根据权利要求1所述的一种改进初始聚类中心选择的方法，其特征在于，所述步骤五中，数据对象进行分组过程如下：根据步骤四中的排序以的长度来进行分组，其中m为数据对象总数；k为聚类总数，即步骤六中进行聚类时，根据选取好的初始中心点，将每一个样本聚类到离自己最近的k个样本之一；

获取初始中心点的过程如下：

根据分组情况利用公式计算初始中心点，即计算簇C_i的初始中心点c_i，具体公式为，

i表示数据对象，1≤i≤m；c_i表示初始中心点数据对象；C表示聚类的簇，C_i表示第i簇；b_j表示属于簇C_i数据对象，其中1≤j≤n；n表示簇内数据的项数。

5.根据权利要求1所述的一种改进初始聚类中心选择的方法，其特征在于，所述步骤六中的聚类过程如下：

第一步、根据选取好的初始中心点，将每一个样本聚类到离自己最近的k个样本之一；

第二步、计算每一个聚类的均值，并用新的均值替换原来的聚类中心；

第三步、判断聚类中心是否改变，如改变就返回第二步，否就结束本算法，得到聚类结果。

6.一种改进初始聚类中心选择的系统，其特征在于，包括，

数据获取模块，用于获取含有若干数据对象的数据集；

数据计算模块，通过选择最小的数据对象，计算其它的所有数据对象与最小数据对象之间的皮尔森相关系数；

自动排序模块，用于根据获取的皮尔森相关系数，按照从大到小的顺序降序排列所有数据对象；

数据分组模块，根据自动排序模块中的分组，通过均值计算获取初始中心点；

聚类模块，用于根据选好的初始中心点进行聚类，重新计算每一个聚类的均值，并用新的均值替换原来的中心点，完成聚类。

7.根据权利要求6所述的一种改进初始聚类中心选择的系统，其特征在于，所述数据获取模块中配置有采集单元、清洗单元、处理单元，其中采集单元用于采集各种被测对象的数据参数；清洗单元用于对采集的数据对象进行包括填充缺失数据、消除噪声数据的步骤，提高数据集的质量；处理单元用于对数据进行包括存储、检索、加工、变换和传输的过程。