[发明专利]一种基于广义模糊聚类算法的无监督数据分类方法在审
| 申请号： | 201810495011.X | 申请日： | 2018-05-22 |
| 公开（公告）号： | CN108710914A | 公开（公告）日： | 2018-10-26 |
| 发明（设计）人： | 文传军;许定亮;刘福燕 | 申请（专利权）人： | 常州工学院 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/00 |
| 代理公司： | 南京知识律师事务所 32207 | 代理人： | 高桂珍 |
| 地址： | 213032 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于广义模糊聚类算法的无监督数据分类方法，其步骤包括：对样本集合依GFC目标函数最小化原则进行最优化划分；初始化多个粒子的位置和速度值；将粒子位置值与样本聚类中心对应实现聚类中心初始化；定义样本、聚类中心间的距离与模糊隶属度成反比例关系从而计算样本模糊隶属度；按粒子群算法迭代公式得到更新的聚类中心；计算得到GFC目标函数。本发明所构造的模糊聚类算法不受归一化约束的限制，能够对噪声数据作有效挖掘和识别。所构造的模糊隶属度与聚类中心反比例关系形式可以拓展变形为多种形式，提升了聚类算法的适用范围，还可对模糊指标作隐藏忽略，从而避免了模糊指标对聚类算法的干扰。 | ||
| 搜索关键词： | 聚类中心 模糊聚类算法 模糊隶属度 反比例关系 聚类算法 目标函数 数据分类 初始化 无监督 粒子群算法 最小化原则 模糊 迭代公式 定义样本 粒子位置 样本集合 样本聚类 有效挖掘 噪声数据 归一化 最优化 粒子 样本 变形 更新 拓展 | ||
【主权项】：
1.一种基于广义模糊聚类算法的无监督数据分类方法，包括如下步骤：步骤1：对样本集合依GFC目标函数最小化原则进行最优化划分；步骤2：初始化多个粒子的位置和速度值；步骤3：将粒子位置值与样本聚类中心对应实现聚类中心初始化；步骤4：定义样本、聚类中心间的距离与模糊隶属度成反比例关系从而计算样本模糊隶属度；步骤5：按粒子群算法迭代公式得到更新的聚类中心；步骤6：计算得到GFC目标函数。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于常州工学院，未经常州工学院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810495011.X/，转载请声明来源钻瓜专利网。
