[发明专利]信息粒导向压缩快速聚类算法

摘要

本发明公开了一种信息粒导向压缩快速聚类算法，首先对信息粒数据进行标准化变换，将变换后的信息粒进行导向压缩变换，然后对导向矢量进行快速聚类；本发明通过对信息粒数据进行导向压缩处理，构造信息粒导向矢量，对信息粒导向矢量进行聚类，可以使高维数据降维，从而降低算法聚类复杂度，同时提升聚类效果；更适合实际应用。

主权项

1.信息粒导向压缩快速聚类算法，其特征在于：包括以下步骤：步骤一：对信息粒数据D作平移标准差变换，得到信息粒数据D为：变换之后的信息粒数据为：其中，xnm表示第n个数据的第m个属性，x′nm表示经平移标准差变换后的第n个数据的第m个属性，N表示信息粒数据的个数，每个数据有M个属性；步骤二：对信息粒数据进行导向压缩变换；步骤2.1：信息粒数据的导向矢量Ξ为：其中，Λ为信息粒的导向压缩变换矢量，Λ＝[cosθ₁ cosθ₂ … cosθ_m … cosθ_M]^T，且满足θ_m表示波长为λ的平行波辐射在信息粒上时该平行波束与M维空间标准正交坐标轴的正向夹角，m＝1,2,...,M；步骤2.2：对导向矢量Ξ的元素按从小至大的顺序进行排列，得到排序后的导向矢量Ξ′，Ξ′＝[μ1 μ2 … μn … μN]；其中，μn表示导向矢量Ξ的元素按从小至大排列后的元素。步骤三：对排序后的导向矢量Ξ′进行聚类；步骤3.1：选取排序后的导向矢量Ξ′中的K个元素作初始化聚类中心cj，j∈{1,2,...,K}，K＝1,2,...,N；步骤3.2：将排序后的导向矢量Ξ′中其余元素分别分配给距离最近的聚类中心，使目标函数J的值最小，其中，聚类完成后，得到K类数据；步骤3.3：分别计算K类数据的均值，将获得的均值作为下一循环中新的K个聚类中心；步骤3.4：重复3.2至3.3，直至满足预先设置的迭代次数或者聚类中心不再发生变化。