[发明专利]一种自学习属性权重的K-means聚类方法

说明书

一种基于属性权重自学习的K‑means聚类算法涉及机器学习领域，提高聚类算法的适用性。根据数据集的差异矩阵计算各个样本的样本密度，得到k‑1个密度最大的样本集，以这些样本集的均值作为聚类质心，得到k‑1个聚类质心，然后取剩余数据的均值作为第k聚类质心，其中k为聚类个数，k取0<k<n内的整数,n为样本总数，在第一次循环时令k＝2；为每个质心创建权重列表；将各个样本的属性与每个聚类质心的权重列表对应相乘，然后计算欧式距离，并将各个样本匹配到距离最近的质心所在类内；根据贡献率更新各个类内的属性权重列表；循环执行，取模型评分不变时的聚类结果作为将数据集聚为k个类的聚类结果；k加1，循环执行，直到聚类模型评分不变。

技术领域：

本发明涉及机器学习领域，即通过对各个簇内属性赋予不同的权重提高 k_means聚类算法的适用性。

背景技术：

K-means算法早在1967年就由MacQueen提出,该算法是基于划分的聚类算法中的一个典型算法,有操作简单、采用误差平方和准则函数、对大数据集的处理上有较高的伸缩性和可压缩性的优点。目前广泛应用在图像分割、数据压缩、数据挖掘等领域。但是该算法也存在一定的局限性：1、对聚类中心较敏感，聚类中心的不同往往会导致聚类结果的不同。2、易受异常值的影响。 3、对k值的选择没有准则可依等。针对以上不足之处，目前许多学者已经提出的很多改进方法。如Dhillon等人通过迭代调整过程重新计算聚类中心的方法使其性能得到提高。曹志宇等人提出了快速查找聚类质心的k_means算法，对UCI里面的数据进行试验结果表明改进后的k_means算法能产生质量较高的聚类结果。Rajini,N.Hema，Bhavani,R.在对k均值和核化模糊c 均值聚类进行研究时，提出了一种新的中心初始化算法来测量聚类算法的初始中心。LEE,WonHee等人提出了通过计算选择簇的初始中心选择，该方法最大限度地提高了聚类初始中心之间的距离。与随机选取的初始聚类中心相比，中心分布均匀，计算结果更准确。Duan Yanling等人提出了一种基于较大距离和较高密度的中心点初始化方法。利用距离加权平均值的倒数表示样本密度，选取距离越大、密度越大的数据样本作为初始聚类中心，对聚类结果进行优化。

本发明在已有的研究成果上提出了一种基于权重自学习的k_means聚类算法，通过为各个簇内各个属性赋予不同的权重，体现属性对聚类的贡献。相比传统的聚类算法(各个属性具有相同的权重)，该算法更能体现簇内相似性与簇间相异性。

发明内容

本发明提出了一种自学习属性权重的K-means聚类方法，对传统的 K-means聚类算法进行优化并扩展其功能，使其更能满足聚类的需要，包含以下步骤：

步骤1：计算数据集对应的差异矩阵，根据数据集的差异矩阵计算各个样本的样本密度。

步骤2：通过计算各个样本的邻域密度，得到k-1个密度最大的样本集，以这些样本集的均值作为聚类质心，得到k-1个聚类质心，然后取剩余数据的均值作为第k聚类质心，其中k为聚类个数，k取0<k<n内的整数,n为样本总数，在第一次循环时令k＝2。

步骤3：为每个质心创建权重列表。

步骤4：将各个样本的属性与每个聚类质心的权重列表对应相乘，然后计算每个样本到各个质心的欧式距离，并将各个样本匹配到距离最近的质心所在类内。

步骤5：计算各个类内的各个属性对聚类的贡献率，然后根据贡献率更新各个类内的属性权重列表。

步骤6：计算聚类模型评分。

步骤7：循环步骤1至步骤6，取模型评分不变时的聚类结果作为将数据集聚为k个类的聚类结果。

步骤8：k加1，循环步骤1至步骤7，直到聚类模型评分不变。

与现有技术相比，本发明具有以下明显优势：