[发明专利]一种基于遗传算法的近邻传播聚类方法无效
| 申请号： | 201910829931.5 | 申请日： | 2019-09-04 |
| 公开（公告）号： | CN110543913A | 公开（公告）日： | 2019-12-06 |
| 发明（设计）人： | 周金治;赖键琼 | 申请（专利权）人： | 西南科技大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/12 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 621010 四川*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 聚类分析 聚类算法 聚类 矩阵 偏向参数 遗传算法 阻尼因子 传播 预处理 相似度矩阵 工作基础 聚类结果 聚类中心 敏感问题 欧氏距离 数据对象 数据挖掘 真实数据 终止条件 归属度 数据集 吸引度 相似度 有效地 最优解 准确率 迭代 算法 更新 | ||
【权利要求书】：
1.一种基于遗传算法的近邻传播聚类方法，其特征在于，包括数据预处理、遗传算法寻找最优偏向参数和阻尼因子以及AP算法完成数据聚类。数据的预处理包括缺失值填充和数据规范化；遗传算法寻找最优解是指偏向参数和阻尼因子的求解；数据聚类则是根据遗传算法获得的最优解完成数据的聚类分析。
2.根据权利要求1所述，一种基于遗传算法的近邻传播聚类方法，其特征在于数据的预处理首先是对已下载的数据集进行预处理。若存在缺失值，则选用和给定元组所属的类的所有样本的属性均值进行填充；其次，采用零均值规范化对数据进行规范化。
3.根据权利要求1所述，一种基于遗传算法的近邻传播聚类方法，其特征在于设定偏向参数和阻尼因子的取值范围，选用调整兰德指数作为适应度函数，通过遗传算法，不断地更新迭代AP聚类算法获的适应度函数最大值，同时获取最优偏向参数和阻尼因子值。
4.根据权利要求1所述，一种基于遗传算法的近邻传播聚类方法，其特征在于利用求出的最优偏向参数和阻尼因子值在AP聚类算法中进行数据聚类。对于此算法的数据聚类效果与AP、A_AP、CAAP、PAAP相比有较大的提升。据此，可进行数据聚类工作。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西南科技大学，未经西南科技大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910829931.5/1.html，转载请声明来源钻瓜专利网。
