[发明专利]一种基于k-means的高维含噪声数据的分类方法

权利要求书

1.一种基于k-means树的高维噪声数据分类方法，其特征在于：包括以下步骤：

S1：将已知类别的数据集作为训练集，每次利用训练集的部分维度数据来构建多棵k-means树；

S2：通过搜索每一棵树来得到待分类数据的预测类别；

S3：对每一棵树产生的分类结果进行投票，以此来得到待分类数据的最终预测类别。

2.根据权利要求1所述的基于k-means树的高维噪声数据分类方法，其特征在于：步骤S1中所述数据集包括含噪声属性的高维数据，每次选取训练集的部分数据用于建树时，是对属性进行随机选取，即从数据的所有特征属性中随机选取r个属性，并且每次建树前，都会随机选取属性，故每棵树选取的特征属性都是不同的。

3.根据权利要求1所述的基于k-means树的高维噪声数据分类方法，其特征在于：在步骤S1中，构建k-means树时，根结点设置为空，每次通过k-means算法，把数据聚为N类，然后用这N个类构建N个子节点，再在各个子节点中重复k-means聚类操作，直至点的个数不足N个，就用这些点来创建叶节点。

4.根据权利要求1所述的基于k-means树的高维噪声数据分类方法，其特征在于：步骤S2中，所述搜索每一棵树，包括以下步骤：

S21：假设用作判定类别的近邻点数为k，设置最大查找点数range，即搜索范围；

S22：用一个队列R来存储这range个数据信息，即只要找到range个数据点就停止树搜索，然后从队列R中选离预测点最近的k个点作为近邻点；

S23：从根结点开始，比较Q与根结点的所有分支结点的距离，选择最近的那一支继续向下搜索，同时把另外几个分支结点加入一个队列queue，循环使用这种方法直到遍历到叶子结点；

S24：把叶子结点信息加入R，并判断R中数据个数是否超过range，若已经达到range，则停止搜索；若R中结点数不足range，则把队列queue中的点根据到Q的距离进行排序，然后从距离最小的那个结点开始继续遍历直到叶子结点；

S25：重复S24，直到R中存有range个数据。

5.根据权利要求1所述的基于k-means树的高维噪声数据分类方法，其特征在于：步骤S3中，对每一棵树产生的分类结果进行投票的方法包括：收集每一棵树产生的预测结果，选取重复出现次数最多的判定来作为待预测数据的最后分类结果。

6.根据权利要求2所述的基于k-means树的高维噪声数据分类方法，其特征在于：随机选取的特征属性个数r为总特征属性个数的平方根。

7.根据权利要求3所述的基于k-means树的高维噪声数据分类方法，其特征在于：树中的每个非叶节点只存储聚类中心和子节点信息，训练集的数据只存放在叶子节点。

8.根据权利要求4所述的基于k-means树的高维噪声数据分类方法，其特征在于：在对每棵树进行搜索时，停止搜索的条件是R中的数据个数超过了预先设置的搜索范围range，range为k的整数倍。

9.根据权利要求4所述的基于k-means树的高维噪声数据分类方法，其特征在于：在树中搜索停止后，从R中选离预测点最近的k个点作为近邻点，然后根据这k个点的类别标签来得到这棵树的预测结果。

10.根据权利要求9所述的基于k-means树的高维噪声数据分类方法，其特征在于：k个点判定类别的方法采用投票的机制。