[发明专利]一种基于小子集分组的聚类方法

权利要求书

1.一种基于小子集分组的聚类方法，其特征在于：所述方法包括以下步骤：

步骤1：从包含N个样本的数据集中随机抽样，产生样本容量为s_i的h个子集C_i；将每个子集C_i分为k_i个组，即其中，1≤k_i≤s_i；

步骤2：逐个考虑每个子集C_i的分组结果，累计得到所有样本两两关系矩阵W；

步骤3：计算样本关系矩阵W的规范化拉普拉斯矩阵L；

步骤4：对L进行特征分解，得到k个对应最小特征值的特征向量组成的矩阵V＝[v₁,v₂...v_k]，其中，v_c对应第c小的特征值的特征向量，c＝1,2...k，1<k<N；

步骤5：归一化V中的横向量，使得V中的横向量中各个元素之和为1，其中，v_pf为V中第p行第f列的元素，为横向量归一化后对应位置元素的值；

步骤6：基于构成用k-means得到所有对象聚类；

步骤7：输出聚类结果。

2.根据权利要求1所述的一种基于小子集分组的聚类方法，其特征在于：所述步骤1中，s_i≤10。

3.根据权利要求1所述的一种基于小子集分组的聚类方法，其特征在于：所述步骤1中，h≥0.3N。

4.根据权利要求1所述的一种基于小子集分组的聚类方法，其特征在于：所述步骤2包括以下步骤：

步骤2.1：取子集C_i中的任意两个样本x_p、x_q；

步骤2.2：当x_p,则W_p,q＝W_p,q+1；当且f≠g，则W_p,q＝W_p,q-1；

步骤2.3：对i＝1,2...h，重复步骤2.1和步骤2.2，得到所有样本的两两关系矩阵W。

5.根据权利要求4所述的一种基于小子集分组的聚类方法，其特征在于：所述步骤2.3中，把样本关系矩阵W中的所有数据减去当前样本关系矩阵W中的最小元素值，得到最终的样本关系矩阵W。

6.根据权利要求1所述的一种基于小子集分组的聚类方法，其特征在于：所述步骤3包括以下步骤：

步骤3.1：计算W每行之和，得到对角矩阵D，D中每个对角元素

步骤3.2：计算规范化的拉普拉斯矩阵

7.根据权利要求1所述的一种基于小子集分组的聚类方法，其特征在于：所述步骤6包括以下步骤：

步骤6.1：以V的每一行为一个对象的特征表示，随机初始化k个中心点；

步骤6.2：计算每个对象到中心点的距离；

步骤6.3：将每个对象分到距离最近的中心点所在的类；

步骤6.4：更新k个中心点，每个中心点为所对应类中的对象均值；

步骤6.5：重复步骤6.2，并计算所有k个中心点的变化量，当k个中心点的最大变化量小于ε时，对象聚类稳定，继续下一步骤。

8.根据权利要求7所述的一种基于小子集分组的聚类方法，其特征在于：所述步骤6.2中，每个对象到中心点的距离以欧氏距离计算得到。

9.根据权利要求7所述的一种基于小子集分组的聚类方法，其特征在于：所述步骤6.5中，所有k个中心点的变化量采用当前中心点在更新前后的欧氏距离计算。

10.根据权利要求7所述的一种基于小子集分组的聚类方法，其特征在于：所述步骤6.5中，10^-5≤ε≤10^-3。