[发明专利]基于聚类和匈牙利算法的数据分类方法

摘要

本发明提供一种基于聚类和匈牙利算法的数据分类方法，包括读取原始样本集{X1、X2...XN}；将原始样本集{X1、X2...XN}中所有样本视为无分类样本，对原始样本集中的所有样本采用聚类方法进行首次聚类，得到L+C个类别；将L个已知类别通过匈牙利算法指派到L+C个类别中的L个类别，将首次聚类得到的类别与已知类别对应上；将已知分类样本子集{X1、X2...Xn}中各个样本划分到其归属的类中，然后保持已知分类样本子集{X1、X2...Xn}中各个样本所属类不变，再次聚类，使用目标函数迭代未标注的样本，使未标注的样本分到某个类别或视为背景噪音。能够准确简单的对数据进行分类，且分类结果精确。

主权项

一种基于聚类和匈牙利算法的数据分类方法，其特征在于，包括以下步骤：S1，读取原始样本集{X1、X2…XN}；原始样本集{X1、X2…XN}包括已知分类样本子集{X1、X2…Xn}和未知分类样本子集{Xn+1、Xn+2…XN}；其中，已知分类样本子集{X1、X2…Xn}中各个样本所属类别Yi分别为Y1、Y2…Yn；已知分类样本子集中已知类别个数为L；未知分类样本子集{Xn+1、Xn+2…XN}中未知类别个数为C；S2，将原始样本集{X1、X2…XN}中所有样本视为无分类样本，对原始样本集中的所有样本采用聚类方法进行首次聚类，得到L+C个类别；S3，将L个已知类别通过匈牙利算法指派到L+C个类别中的L个类别，将首次聚类得到的类别与已知类别对应上；S4，将已知分类样本子集{X1、X2…Xn}中各个样本划分到其归属的类中，然后保持已知分类样本子集{X1、X2…Xn}中各个样本所属类不变，再次聚类，使用目标函数迭代未标注的样本，使未标注的样本分到某个类别或视为背景噪音；S2中，所述聚类方法为KMeans聚类方法或分层聚类方法；S4中，再次聚类时所采用的聚类方法为KMeans聚类方法或分层聚类方法；S4中，使用目标函数迭代未标注的样本，使未标注的样本分到某个类别或视为背景噪音，具体为：使用目标函数迭代未标注的样本，通过目标函数是否达到极值识别背景噪音；当本次迭代结果与上次迭代结果不再发生变化时，或目标函数不再发生变化时，结束分类；所述目标函数设定为：类间分散度*类内聚合度*识别率；所述类间分散度用间平均距离、类间均方距离、类间最小距离或类间最大距离表示；可设为：(不同类间样本的平均距离)/(所有有分类的样本间平均距离)＝(所有有分类的样本的总距离‑各类内的样本间的总距离)/(所有有分类的样本总距离)*所有有分类的样本数*(所有有分类的样本数‑1)/∑(某分类的样本数*(某分类的样本数‑1))；所有有分类的样本间平均距离是指：对Yi>0且Yj>0的所有i,j，求dij的平均值；所有有分类的样本总距离是指：对Yi>0且Yj>0的所有i,j，求dij的总和；所有有分类的样本数是指：对Yi>0所有i的个数；各类内的样本间的总距离是指：对Yi>0,Yj>0且Yi＝Yj的所有i,j，求dij的总和；不同类间样本的平均距离是指：对Yi>0,Yj>0且Yi≠Yj的所有i,j，求dij的平均值；所述类内聚合度用类内平均距离、类内均方距离或类内最大距离表示；所述识别率表达式为：类别个数/总样本个数。