[发明专利]基于子类数目自动确定的改进密度峰值聚类方法及系统

权利要求书

1.一种基于子类数目自动确定的改进密度峰值聚类方法，其特征在于，包含如下步骤：

S1、对所有样本点的γ值进行降序排列，使得γ₁≥γ₂≥…≥γ_N，N为样本点的个数；

S2、获得γ₁≥γ₂≥…≥γ_N中的前m个，其中m为不大于的最大正整数；

S3、利用公式(1)依次计算所述m个γ值之间的相邻样本点之间的欧式距离γ_i,i+1；

γ_i,i-1＝γ_i-γ_i-1，2≤i≤m (1)

S4、利用公式(2)获得

S5、获得满足条件的所有γ_i,i+1；

S6、分别计算出S5中获得的γ_i,i+1对应的下标i；

S7、计算S6中获得的下标i的最大值,作为K_max；

S8、将K_max对应的样本点作为转折点对所有样本点进行聚类。

2.根据权利要求1所述的基于子类数目自动确定的改进密度峰值聚类方法，其特征在于，所述步骤S8具体包括：

S81、获取步骤S1所述所有样本点形成的样本集S以及所有的K_i，并分别初始化密度变量MinPts以及领域变量Eps为d_c以及0；其中，d_c为样本集的截断距离，1≤i≤K_max，从样本集中选取K_max个最大的γ值对应的样本点作为可能是聚类中心的样本点以作为所述K_i，即K_i表示第i个可能的聚类中心；

S82、将K_i按照γ值的大小进行排序，即

S83、判断所有K_i对应的样本点是否全部都被划分进子类，若果是，则跳转到步骤S86，否则执行步骤S84；

S84、按照由大到小的顺序依次判断是否已经包含在已有的子类中，若已经被包含，则i更新为i+1，继续步骤S84，否则执行步骤S85；

S85、在样本集S中，以对应的样本点作为核心点进行一次DBSCAN迭代过程，形成一个子类C_i，并将子类C_i中的点从样本集S中剔除，跳转到步骤S83；

S86、将最终得到的子类分类结果作为AC-CFSFDP算法的聚类结果。

3.根据权利要求1所述的基于子类数目自动确定的改进密度峰值聚类方法，其特征在于，步骤S8中，进行所述聚类时，聚类的聚类中心的数目在(0,K_max]范围内。

4.一种基于子类数目自动确定的改进密度峰值聚类系统，其特征在于，包含如下模块：

样本点排序模块，用于对所有样本点的γ值进行降序排列，使得γ₁≥γ₂≥…≥γ_N，N为样本点的个数；

样本点选取模块，获得γ₁≥γ₂≥…≥γ_N中的前m个，其中m为不大于的最大正整数；

距离计算模块，用于利用公式(1)依次计算所述m个γ值之间的相邻样本点之间的欧式距离γ_i,i+1；

γ_i,i-1＝γ_i-γ_i-1，2≤i≤m (1)

距离平均模块，用于利用公式(2)获得

距离选取模块，用于获得满足条件的所有γ_i,i+1；

下标计算模块，用于分别计算出距离选取模块中获得的γ_i,i+1对应的下标i；

极值求取模块，用于计算下标计算模块中获得的下标i的最大值,作为K_max；

样本聚类模块，用于将K_max对应的样本点作为转折点对所有样本点进行聚类。