[发明专利]一种优化的聚类方法

摘要

本发明公开了一种优化的聚类方法，具体包括如下步骤：S1：选取数据集中的像素点，组建密集点集合Y；S2：从密集点集合Y中选取像素点组建集合Q；S3：在数据集中选取m个像素点，组建备选的初始聚类中心点集C；S4：将密集点集合Y中的像素点划分到集合Q中的各初始聚类中心所在的类中，获取第一次聚类的平均最大相似度；S5：获取最小聚类平均最大相似度；S6：将最小聚类平均最大相似度对应的集合Q中的聚类中心作为最优kmeans聚类的初始聚类中心，进行kmeans聚类，获取聚类结果。本发明为了减小噪声对于数据的干扰，使用密度分布函数排除密度稀疏点，剔除一些噪声干扰点和异常点，选出最优的初始聚类中心，从而确定出最优聚类的数目k值，提高聚类精度。

主权项

1.一种优化的聚类方法，其特征在于，所述方法具体包括如下步骤：S1：将图像中所有的像素点集中在一个数据集中，计算所述数据集中每个像素点的密度函数值，选出所述数据集中密度函数值不小于数据集的平均密度函数值的像素点，由所述不小于平均密度函数值的像素点组建密集点集合Y；S2：从所述密集点集合Y中选取两个像素点，组建集合Q；S3：在所述数据集中通过焦点统计方法选取m个像素点，由所述选取出的m个像素点组建备选的初始聚类中心点集C，其中选取出的像素点的个数，具体为：m＝η/2其中：m为选取出的像素点的个数，η为密集点集合中Y元素的个数；S4：将所述密集点集合Y中的像素点划分到集合Q中的各个初始聚类中心所在的类中，获取第一次聚类的平均最大相似度；S5：从所述备选的初始聚类中心点集C中选择一个像素点，添加至所述集合Q中，作为所述集合Q中的一个新初始聚类中心，并将所述像素点在备选的初始聚类中心点集C中删除，重复步骤S4‑步骤S5，将每次聚类的平均最大相似度进行比较，选出聚类平均最大相似度的最小值；S6：将所述聚类平均最大相似度最小值对应的集合Q中的聚类中心作为最优kmeans聚类的初始聚类中心，进行kmeans聚类，获取聚类结果。