[发明专利]一种结合方差与距离改进的K-means算法

权利要求书

1.一种结合方差与距离改进的K-means算法，其特征在于，该方法包括以下步骤：

步骤1：确定聚类个数k；

步骤2：从样本数据集中选出候选初始聚类中心点集；

步骤3：从候选初始聚类中心点集中选取k个初始聚类中心；

步骤4：对样本数据进行分配，同时存储每个样本数据的簇标签；

步骤5：更新聚类中心，计算并存储每个新聚类中心与其他新聚类中心间的最短距离；

步骤6：将已分配好的样本数据进行重新分配；

步骤7：返回到步骤5更新聚类中心，直到聚类中心不再发生变化或者到达指定的迭代次数为止。

2.根据权利要求1所述的一种结合方差与距离改进的K-means算法，其特征在于，所述步骤1中，确定聚类个数，具体步骤为：

步骤1-1设定聚类个数的最大值为其中n为样本数据的个数；

步骤1-2计算不同k值对应的簇内误差平方和(Sum of the Squared Errors,SSE)值，通过观察SSE的下降幅度确定最终的聚类个数。

3.根据权利要求1所述的一种结合方差与距离改进的K-means算法，其特征在于，所述步骤2中，候选初始聚类中心点集的选取，具体步骤为：

步骤2-1首先计算样本数据的平均距离和平均密度；

步骤2-2判断每个样本数据在以自身为圆心，以平均距离为半径的圆内所包含的样本数据个数是否不小于平均密度，若是，则认为该样本数据属于候选初始聚类中心点集。

4.根据权利要求1所述的一种结合方差与距离改进的K-means算法，其特征在于，所述步骤3中，从候选初始聚类中心点集中选取k个初始聚类中心，具体步骤为：

步骤3-1计算候选初始聚类中心点集中每个样本数据的方差，并选取具有最小方差的样本数据作为第一个初始聚类中心；

步骤3-2计算候选初始聚类中心点集中剩余样本数据与第一个初始聚类中心的欧式距离，并选取距离最远的样本数据作为第二个初始聚类中心；

步骤3-3当选取第i(i＞2)个初始聚类中心时，首先计算候选初始聚类中心点集中剩余样本数据与之前初始聚类中心的欧式距离，并保留最小的距离，再从这些最小距离中选出最大距离所对应的样本数据作为下一个初始聚类中心；

步骤3-4重复以上过程，直到选出的初始聚类中心个数到达指定的聚类个数。

5.根据权利要求1所述的一种结合方差与距离改进的K-means算法，其特征在于，所述步骤4中，根据就近原则将每个样本数据分配给距离其最近的初始聚类中心所代表的簇中，同时根据聚类结果对每个样本数据的簇标签进行存储。

6.根据权利要求1所述的一种结合方差与距离改进的K-means算法，其特征在于，所述步骤5中，在下一次迭代时，计算每个簇中任意一样本数据到当前簇中其余样本数据的距离之和，并选取距离之和最小的样本数据作为新的聚类中心，同时将每个新聚类中心与其他新聚类中心间的最短距离存储到当前新聚类中心所代表的簇中。

7.根据权利要求1所述的一种结合方差与距离改进的K-means算法，其特征在于，所述步骤6中，样本数据的重新分配，具体步骤为：

步骤6-1计算每个样本数据到新聚类中心的欧式距离，如果该样本数据与新聚类中心的距离小于当前新聚类中心所代表的簇中存储的最短距离的一半，则默认该样本数据仍属于原来的簇，否则，计算该样本数据与所有新聚类中心的距离，并分配给距离其最近的新聚类中心所代表的簇中；

步骤6-2更新每个样本数据对应的簇标签。

8.根据权利要求1所述的一种结合方差与距离改进的K-means算法，其特征在于，所述步骤7中，重新分配后需返回到步骤5对聚类中心进行更新，并与上一次迭代的聚类中心进行比较，若不再发生变化或者到达指定的迭代次数则停止聚类，并输出最终的聚类结果。