[发明专利]基于L2范数规范化和余弦定理改进的肘部法则的方法在审
| 申请号： | 201711172384.5 | 申请日： | 2017-11-22 |
| 公开（公告）号： | CN108171253A | 公开（公告）日： | 2018-06-15 |
| 发明（设计）人： | 付映雪;石聪明;王锋;邓辉;戴伟;卫守林 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 肘部 范数 余弦定理 畸变 规范化 搜索 聚类 聚类分析 数据挖掘 改进 | ||
1.一种基于L2范数规范化和余弦定理改进的肘部法则的方法，其特征在于：包括如下步骤：
(1)设定K均值聚类算法中要搜索最佳K值的范围[Kmin,Kmax]；
(2)利用K均值聚类算法计算搜索范围[Kmin,Kmax]内的Kmax-Kmin+1个聚类数对应的平均畸变程度；
(3)对计算得到的Kmax-Kmin+1个平均畸变程度进行L2范数规范化处理；
(4)将L2范数规范化处理后的Kmax-Kmin+1个平均畸变程度与搜索范围[Kmin,Kmax]内的Kmax-Kmin+1个聚类数封装成Kmax-Kmin+1个数据点；
(5)利用余弦定理求上述封装成的Kmax-Kmin+1个数据点中每三个相邻数据点之间的夹角；
(6)找出步骤(5)求得夹角中的最小夹角；
(7)利用找到的最小夹角得到最优的K值。
2.根据权利要求1所述的基于L2范数规范化和余弦定理改进的肘部法则的方法，其特征在于：具体步骤如下：
Step1、设定K均值聚类算法中要搜索最佳K值的范围Range：[Kmin,Kmin+1,…,Kmax-1,Kmax]；
Step2、初始化聚类数k＝Kmin，且生成一个长度为Kmax-Kmin+1且所有元素为0的平均畸变程度列表MDL；
Step3、如果k∈Range，则执行Step4-Step7；如果则跳过Step4-Step7，执行Step8；
Step4、用k来实例化sklearn.cluster.KMeans得到实例对象kmeans；
Step5、通过实例对象kmeans对具有N个样本数据的数据集进行处理，并得到对应的k个聚类中心；
Step6、利用K均值聚类算法的优化目标函数、得到的k个聚类中心以及N个样本数据来求对应的平均畸变程度，并将求得的平均畸变程度追加到平均畸变程度列表中；
Step7、k＝k+1，重新回到Step3；
Step8、生成一个长度为Kmax-Kmin+1且所有元素为0的L2范数规范化处理后的平均畸变程度列表NMDL；
Step9、利用L2范数规范化对平均畸变程度列表中的Kmax-Kmin+1个值进行处理，并将L2范数规范化处理后的平均畸变程度放入NMDL中；
Step10、将L2范数规范化处理后的Kmax-Kmin+1个平均畸变程度与搜索范围[Kmin,Kmax]内的Kmax-Kmin+1个聚类数封装成Kmax-Kmin+1个数据点，并存入数据点列表PL中；
Step11、利用余弦定理求上述封装成的Kmax-Kmin+1个数据点中每三个相邻数据点之间的夹角，并将求得的夹角存到夹角列表AL中；
Step12、找出AL中Kmax-Kmin-1个夹角中最小的夹角minA；
Step13、得到最小夹角minA在AL中的下标minAI,将minAI加上2即为在搜索范围[Kmin,Kmax]内找到的最佳K值。
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昆明理工大学，未经昆明理工大学许可，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/pat/books/201711172384.5/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种基于分层聚类的均衡图像聚类方法
- 下一篇：图像标签确定方法、装置及终端
