CN107330458-CN201710503214-一种最小方差优化初始聚类中心的模糊C均值聚类方法.pdfVIP

(19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 107330458 A (43)申请公布日 2017.11.07 (21)申请号 201710503214.4 (22)申请日 2017.06.27 (71)申请人 常州信息职业技术学院 地址 213164 江苏省常州市常州科教城鸣 新中路22号 (72)发明人 李学刚　狄岚　李斌　李通明　 (74)专利代理机构 常州佰业腾飞专利代理事务 所(普通合伙) 32231 代理人 滕诣迪 (51)Int.Cl. G06K 9/62(2006.01) 权利要求书3页 说明书6页 附图1页 (54)发明名称 一种最小方差优化初始聚类中心的模糊C均 值聚类方法 (57)摘要 本发明公开了一种最小方差优化初始聚类 中心的模糊C均值聚类方法，属于数据挖掘与模 式识别技术领域，包括以下步骤：对输入数据集 与样本点的距离关系进行聚类；将聚类分析方法 用于对目标数据集聚类分析得到聚类标签；聚类 分析后得到的聚类标签与原始标签依据评价指 标进行性能评价。本发明旨在解决模糊C均值的 聚类效果受其初始化的聚类中心影响较大、不能 保证得到最优解的问题，在FCM算法的基础上先 进行初始聚类中心的选取，选取FCM初始聚类中 心是以样本的方差作为启发信息，以样本的领域 A 半径，选取K个位于不同区域上方差最小的样本 8 点作为初始聚类中心，该算法不需要设置任何参 5 4 0 数。 3 3 7 0 1 N C CN 107330458 A 权　利　要　求　书 1/3页 1.一种最小方差优化初始聚类中心的模糊C均值聚类方法，其特征在于，包括以下步 骤： 步骤S1：对输入数据集与样本点的距离关系进行聚类； 步骤S2：将聚类分析方法用于对目标数据集聚类分析得到聚类标签； 步骤S3：聚类分析后得到的聚类标签与原始标签依据评价指标进行性能评价。 2.根据权利要求1所述的一种最小方差优化初始聚类中心的模糊C均值聚类方法，其特 征在于，所述步骤S1中，输入的数据集采用人工模拟数据集和UCI数据集进行输入，聚类类 别数根据人工模拟数据集和UCI数据集确定。 3.根据权利要求2所述的一种最小方差优化初始聚类中心的模糊C均值聚类方法，其特 征在于，所述步骤S2中，通过目标数据集聚类分析，对目标数据集和像素点设定聚类标签， 聚类标签的设定步骤包括： 步骤S21：根据目标数据集中样本的物理位置来设定标签，在人工模拟数据集和UCI数 据集中设置标签数； 步骤S22：将FCM算法用于设定好标签的数据组成的数据集中，得到聚类分析后的隶属 度矩阵U和聚类中心V。 4.根据权利要求3所述的一种最小方差优化初始聚类中心的模糊C均值聚类方法，其特 征在于，所述步骤S22具体包括如下步骤： 步骤S221：首先确定聚类类别数c； 步骤S222：设置最大迭代次数Maxt以及最大误差阈值ε； 步骤S223：设定由FCM算法聚类分析得到的隶属度矩阵U，以及聚类中心V，作为FCM算法 的初始隶属度和聚类中心，此时设初始迭代次数t＝1； 步骤S224：通过迭代优化公式更新隶属度矩阵和聚类中心矩阵。 5.根据权利要求4所述的一种最小方差优化初始聚类中心的模糊C均值聚类方法，其特 征在于，所述步骤S224中，所述迭代优化公式为： u为隶属度矩阵，d为模糊度矩阵，v为聚类中心，m为模糊指数，x为样本方差；