[发明专利]一种面向分类属性数据的量子聚类算法改进方法

说明书

本发明提供了一种面向分类属性数据的量子聚类算法改进方法，根据分类属性数据自身的特性，利用量子势能函数计算出数据点的势能，解决了分类数据的潜在分类问题。将势能最低点作为聚类的中心，利用核宽度调节参数计算波函数的尺度参数，解决了分类属性数据的聚类范围。进一步，考虑了数据属性对分类结果的影响，利用传统欧式距离，给出了一种核宽度调节参数的估算公式，解决了样本的个数和维数之间内在关系的计算问题。本发明针对分类属性数据具有良好的计算准确率。

技术领域

本发明属于数据挖掘领域。

背景技术

随着航海信息技术的不断发展，由此带来的信息数据蕴含丰富的船舶信息，但如何利用好这些海量信息数据为船舶保驾护航成为最大难点。为了摆脱“数据丰富，知识贫乏”的困境，开始研究如何从海量数据中挖掘出有用、可用的信息。船舶航行轨迹是船舶行为最直观的体现，通过分析船舶轨迹，一方面可以获取海况信息，另一方面可以检测船舶航行行为。通过对船舶航行轨迹的提取、聚类、建模和异常检测，来实现对船舶行为的描述和分析并实现实时异常检测，可以在船舶异常行为发生的初期做出警示，及时发现安全隐患，确保船舶安全航行。在分类属性聚类研究方面，传统的研究需事先设定聚类的数目，才可以从样本的潜在信息里发现数据集的聚类中心和聚类数目。然而在海量船舶信息数据中，会有大量的冗余数据，传统的量子聚类算法并不能有效识别这些混合的冗余数据。现有文献在对量子聚类算法改进的研究主要分为两类。一类是通过对势能计算公式参数的调整，发现有效的势能最低点，然而忽略了距离对聚类效果的影响，由于巨大的数据量，以及复杂的势能计算公式，导致这类改进的量子聚类算法复杂度高，运行时间过长，难以满足实际应用需求。另一类的改进的量子聚类算法主要侧重于在聚类前的数据预处理，通过前期的数据预处理，来降低数据运行时间，但是数据预处理过程中，可能会造成有效的信息缺失。

发明内容

为解决量子聚类算法中存在的上述问题，本发明提供了一种面向分类属性数据的量子聚类算法改进方法。

本发明采用的技术方案如下：

步骤1、利用势能计算函数计算原始数据的势能分布，找出数据势能最低点；

步骤2、利用加权欧式距离计算原始数据点与势能最低点的度量矩阵D；

步骤3、根据度量矩阵D，计算满足距离测度条件d(x_i,v_c)≤β(1≤i≤n且i≠k)的所有样本，并将所述样本聚成第C类；从样本集X中删除C类样本；

步骤4、计算样本点的数量，若为空，停止计算；非空转入步骤1。

优选的，所述步骤2中度量矩阵D，计算借助加权欧式距离计算公式d(x_i,x_j)，依据分类数据自身的属性进行计算：

其中：x_i表示样本的点，s_k表示样本的方差。

本发明提出了一种面向分类属性数据的量子聚类算法改进方法。当利用本发明进行聚类时，可以通过搜索量子力学中势函数的最小值来确定聚类中心，通过引入加权欧式距离计算出数据集中数据点与中心点的位置，从而判断判别混合数据的噪声点，在尽量不损失数据原始信息的前提下又可以降低运算复杂度。本发明可以有效的获取聚类中心和边界的准确信息。在实际应用中，本发明相对传统量子聚类算法的复杂度得到了降低，运算时间明显加快。同时加之对数据属性的考虑，本发明聚类效果也比传统量子聚类算法有所增强，运算准确率也得到提升。

附图说明

图1面向分类属性数据的量子聚类算法流程图。

图2为试验数据的三维图。

图3为试验数据的聚类结果。

图4为聚类参数β的调整对聚类中心个数的影响。