[发明专利]一种基于密度聚类的面向聚类算法的特征选择方法

权利要求书

1.一种基于密度聚类的面向聚类算法的特征选择方法，其特征在于，按下述步骤完成，

a.设：数据集D包含M个实例和N个特征，则有由N个特征构成的特征集F＝{f₁，f₂，…，f_N}；

对数据集D进行归一化处理得数据集D'，之后使用欧几里德距离作为数据集D'中特征间的相似度度量，构建特征间的相似度矩阵；

b.使用DBSCAN算法进行相似度矩阵的特征聚类，将特征分为核心特征、边界特征和非典型特征三类；

c.特征聚类完成后使用特征选择算法选出n维的特征子集F’，其中n≤N，且且保证特征子集F’中的特征之间的冗余最少。

2.根据权利要求1所述的基于密度聚类的面向聚类算法的特征选择方法，其特征在于：步骤a中，所述的归一化处理为，使用最大最小值规范化对特征进行缩放，计算公式如下：

x_scaled＝x_std×(max-min)+min (2)

其中max和min表示特征的取值范围，在本算法中选择1和0分别作为最大值max和最小值min；x表示数据在某特征属性上的取值；x_min和x_max表示数据在该特征属性上的取值范围的最小和最大值；x_std表示对实际数值进行标准化后的结果，x_scaled表示进行归一化伸缩后的结果。

3.根据权利要求2所述的基于密度聚类的面向聚类算法的特征选择方法，其特征在于，步骤a中，所述的相似度矩阵按下述方法构建：

归一化处理后的数据集D'中，所有特征的值都在0和1之间，然后计算数据集D'中的每个特征与其它特征间的欧氏距离；特征f_i(x₁,x₂,…,x_M)和f_j(y₁,y₂,…,y_M)的欧式距离定义为：

数据集D包含M个实例和N个特征；x和y表示两个特征；

则构建的相似度矩阵如下：

其中matrix_s是一个方阵，f_row^th是指第row个特征，f_column^th是指第column个特征，矩阵中的值代表了f_row^th与f_column^th的欧氏距离。

4.根据权利要求3所述的基于密度聚类的面向聚类算法的特征选择方法，其特征在于，步骤b中，相似度矩阵的特征聚类具体如下：

定义1：邻域，写作Nei(f_N)，表示特征f_i和f_j的欧氏距离小于Eps；所述的Eps是用在聚类中作收敛条件的距离阈值，邻域的具体定义如下：

Nei(f_i)＝{f_j|dist(f_i，f_j)≤eps，f_j∈F} (5)

定义2：若某特征邻域中的特征数不小于minFts，则该特征是核心特征；所述的minFts表示邻域的半径；

定义3：边界特征的邻域特征数少于minFts，但是它在某个核心特征的邻域中；

定义4：非典型特征是除了核心特征和边界特征之外特征；

定义5：如果特征f_j由f_i直接密度可达，则f_i是核心特征且f_j∈Nei(f_i)；

定义6：如果特征f_i由f_j密度可达，则存在特征链f₁，…，f_N，满足f₁＝f_j，f_N＝f_i，且f_i由f_i+1直接密度可达。