[发明专利]基于密度半径的改进K-means聚类算法

摘要

本发明涉及聚类算法领域，公开了一种基于密度半径的改进K‑means聚类算法，解决现有K‑means聚类算法存在的局部最优解、对噪声和离群点比较敏感、k值选取不准确问题。本发明首先按照密度半径对所有样本点进行排序，选取密度半径最大的样本点作为初始值，重复前述述步骤，选出所有的初始点以及类别数量k，并开始聚类操作；从聚类后的类别质心中选出距离最近的两个质心，将这两个质心所在的类别单独拿出来看成一个二分类，并计算其二分类的贝叶斯得分，然后将这个两个类别合并为一个类别，并计算合并后的贝叶斯得分，再根据得分判断是否需要合并这两个类别，重复前述步骤直到不用合并为止。本发明适用于大数据聚类处理。

主权项

1.基于密度半径的改进K‑means聚类算法，其特征在于，包括如下步骤：A.计算样本数据集T内所有样本点两两之间的距离；B.指定一个密度半径d，根据密度半径d以及样本点两两之间的距离求出每个样本点在密度半径d内的所有的样本点；C.根据各样本点在密度半径d内样本点的数目对样本数据集内的样本点排序，从而得到将排序后的数据集T’；D.定义一个空的集合S，将数据集T’中第一个样本点放入集合S中，并将数据集T’中第一个样本点以及其密度半径d内的所有样本点从数据集T’中删除；E.重复执行步骤D，直到集合当集合时，集合S中的样本的个数即为K‑means聚类算法可能的k值，集合S中的值即为K‑means聚类算法可能的初始值；F.将集合S看作质心集合，质心集合中每个初始值即为不同的类别质心，计算样本数据集T内所有样本点与质心集合中各类别质心的距离，并标记样本数据集T内每个样本点的类别为与该样本点距离最小的质心的类别；G.利用各类别内所有的样本点重新计算出各类别新的类别质心，从而更新质心集合；H.判断更新后质心集合内的质心与样本数据集T内的样本点之间的误差平方和准则函数是否收敛，若收敛且更新后质心集合相对于更新前没有发生变化，则直接进入步骤I；否则，重复执行步骤F和G，直到误差平方和准则函数收敛且质心集合更新后再无变化，进入步骤I；I.求出质心集合内所有质心两两之间的距离，并选择距离最小的两个质心，将距离最小的两个质心所在的两个类别单独拿出来；J.判断步骤I单独拿出来的两个类别是否需要合并，若不需要合并，则算法结束；若需要合并，则将步骤I单独拿出来的两个类别合并，并计算合并后类别的质心，同时将步骤I选择的两个质心从质心集合中删除，并将合并后类别的质心放入质心集合，同时跳转步骤I。