[发明专利]一种基于快速密度峰值聚类的电子元器件聚类方法

权利要求书

1.一种基于快速密度峰值聚类的电子元器件聚类方法，应用于对电子元器件的质量情况进行聚类，其特征在于，包括步骤：

对输入的多个电子元器件的测试参量值进行特征提取，整理转换形成标准信息表，并对表中每一个测试参量值进行归一化处理，获得样本集；

通过KD-Tree对每一个样本进行近邻查询以构建k近邻矩阵和k近邻距离矩阵；

在k近邻距离矩阵上，取每一个样本与其k个近邻的距离均值的倒数作为其局部密度；

在k近邻矩阵上，判断当前样本的局部密度是否高于其所有k近邻的局部密度，若高于，则当前样本为核心点，否则，当前样本为非核心点；

计算相对距离：

对于非核心点，在k近邻矩阵上遍历出当前非核心点k近邻中局部密度大于当前非核心点的点，并均作为第一参考点，并在k近邻距离矩阵上取当前非核心点与所有第一参考点的距离中的最小距离作为当前非核心点的相对距离；

对于核心点，遍历所有局部密度比当前核心点大的其他核心点，并均作为第二参考点，计算当前核心点与所有第二参考点的欧式距离中的最小距离作为半径，通过KD-Tree查询出所述半径内局部密度大于当前核心点的非核心点，并均作为第三参考点，计算当前核心点与所有第三参考点的欧式距离中的最小距离为当前核心点的相对距离；

根据核心点的局部密度和相对距离，形成一个二维决策图，从决策图中选择局部密度大于预设密度值且相对距离大于预设距离的样本作为中心点；

将核心点分配到与其距离最近的中心点同一类簇，核心点的k个近邻被分配到与核心点同一类簇，将非核心点分配到与当前非核心点的相对距离对应的第一参考点同一类簇；

整合所有样本点所在的类簇，形成最终的聚类结果，对每一个类簇中的中心点对应的测试参量值进行标注，则该类簇中其余样本点所对应的测试参量值可以根据中心点的标注结果进行自动标注。

2.根据权利要求1所述的基于快速密度峰值聚类的电子元器件聚类方法，其特征在于，测试参量值包括介电常数、损耗角正切、品质因子Qf值、温度系数中至少一种。

3.根据权利要求1所述的基于快速密度峰值聚类的电子元器件聚类方法，其特征在于，通过KD-Tree对每一个样本进行近邻查询以构建k近邻矩阵和k近邻距离矩阵，包括步骤：

通过KD-Tree算法构建KD-Tree；

从中查询每一个样本点的近邻，并计算样本点与其近邻的欧氏距离；

得到每一个样本与其k近邻的信息，形成k近邻矩阵和k近邻距离矩阵。

4.根据权利要求3所述的基于快速密度峰值聚类的电子元器件聚类方法，其特征在于，归一化处理采用离差标准化归一法，转换函数如下：

其中，代表原数据集中特征值的最小值，代表原数据集中特征值的最大值，x_i代表第i个被处理的特征值，y_i代表处理后的特征值，。

5.根据权利要求4所述的基于快速密度峰值聚类的电子元器件聚类方法，其特征在于，局部密度的定义公式为：

其中表示x_i在k近邻距离矩阵中的k个近邻点，表示在k近邻距离矩阵中x_i和x_j的欧式距离。