[发明专利]一种自学习属性权重的K-means聚类方法在审
| 申请号： | 201910615891.4 | 申请日： | 2019-07-09 |
| 公开（公告）号： | CN110378402A | 公开（公告）日： | 2019-10-25 |
| 发明（设计）人： | 刘博;王慧娜;李星睿;黄萌萌 | 申请（专利权）人： | 北京工业大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 北京思海天达知识产权代理有限公司 11203 | 代理人： | 刘萍 |
| 地址： | 100124 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
一种基于属性权重自学习的K‑means聚类算法涉及机器学习领域，提高聚类算法的适用性。根据数据集的差异矩阵计算各个样本的样本密度，得到k‑1个密度最大的样本集，以这些样本集的均值作为聚类质心，得到k‑1个聚类质心，然后取剩余数据的均值作为第k聚类质心，其中k为聚类个数，k取0 | ||
| 搜索关键词： | 权重 聚类质心 样本 聚类结果 聚类算法 循环执行 样本集 自学习 质心 相乘 机器学习领域 差异矩阵 聚类模型 距离最近 欧式距离 剩余数据 数据集聚 次循环 贡献率 数据集 聚类 匹配 更新 创建 | ||
【主权项】：
1.一种自学习属性权重的K‑means聚类方法，其特征在于，包含以下步骤：步骤1：计算数据集对应的差异矩阵，根据数据集的差异矩阵计算各个样本的样本密度；步骤2：通过计算各个样本的邻域密度，得到k‑1个密度最大的样本集，以这些样本集的均值作为聚类质心，得到k‑1个聚类质心，然后取剩余数据的均值作为第k聚类质心，其中k为聚类个数，k取0<k<n内的整数,n为样本总数，在第一次循环时令k＝2；步骤3：为每个质心创建权重列表；步骤4：将各个样本的属性与每个聚类质心的权重列表对应相乘，然后计算每个样本到各个质心的欧式距离，并将各个样本匹配到距离最近的质心所在类内；步骤5：计算各个类内的各个属性对聚类的贡献率，然后根据贡献率更新各个类内的属性权重列表；步骤6：计算聚类模型评分；步骤7：循环步骤1至步骤6，取模型评分不变时的聚类结果作为将数据集聚为k个类的聚类结果；步骤8：k加1，循环步骤1至步骤7，直到聚类模型评分不变。
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北京工业大学，未经北京工业大学许可，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/201910615891.4/，转载请声明来源钻瓜专利网。
