[发明专利]一种分类方法

权利要求书

1.一种分类方法，其特征在于，包括以下步骤：

获取待分类的数据；

根据获取的待分类的数据，对所述待分类的数据使用无监督学习算法进行分类处理；

根据分类处理，得到分类结果。

2.如权利要求1所述的一种分类方法，其特征在于，根据获取的待分类的数据，对待分类的数据进行分类处理，具体包括以下步骤：

步骤一，将获取的待分类的数据记为数据集X＝{x₁，x₂，L，x_n}，其中，x_i(i＝1，2，L，n)表示第i条儿童自我护理能力数据，x_i＝{x_i1，x_i2，L，x_id}，x_ij(j＝1，2，L，d)表示第i条数据内的第j个属性，儿童的自我保健问题的类别数目为K；

步骤二、利用数据在近邻关系上的活跃程度，将所述数据集X划分为两个具有不同分布特性的子集X₁与X₂；

步骤三、利用最近邻关系对所述子集X₁进行预聚类，得到由m个子簇构成的子簇集合C₁；

步骤四、计算所述子簇集合C₁中子簇间的簇间距离；

步骤五、根据所述簇间距离，合并簇间距离最小的子簇对，并更新该子簇对与其余子簇的簇间距离，重复合并与更新操作，直至获得包括K个子簇的子簇集合C₂；

步骤六、对于所述子集X₂中的数据，按最小距离依次划分至集合C₂的各子簇中，完成分类。

3.如权利要2所述的一种分类方法，其特征在于，所述步骤二中利用数据在近邻关系上的活跃程度，将所述数据集X划分为两个具有不同分布特性的子集X₁与X₂，具体包括以下步骤：

计算所述数据集X中计算各数据间的欧氏距离

为所述数据集X中的每条数据x_i寻找距离最近的k个近邻数据，这里，k取值等于10；

统计所述数据集X中每条数据x_i在其它数据的k个近邻中出现的次数，记为H(x_i)，H(x_j)表示数据x_i在近邻关系上的活跃程度；

对所述数据集X中的所有数据按照其H(x_i)值进行降序排序，取前80％的数据记为子集X₁，其余的数据记为子集X₂。

4.如权利要求3所述的一种分类方法，其特征在于，所述步骤三中利用最近邻关系对子集X₁进行预聚类，得到由m个子簇构成的子簇集合C₁，具体包括以下步骤：

为数据集X中的每条数据x_i寻找距离最近的数据，记为

对于数据集X中的任一数据点对(x_i，x_j)，如果满足和则将x_i与x_j合并至同一子簇；

利用最近邻关系，对数据集X中所有满足上述合并条件的数据点对进行合并操作，得到由m个子簇构成的子簇集合C₁＝{c₁，c₂，L，c_m}。