[发明专利]一种基于半监督学习的GA-SOM聚类方法

摘要

本发明提供一种基于半监督学习的GA-SOM聚类方法，该方法在自组织特征映射(Self-Organization Map，SOM)神经网络的基础上，结合半监督学习方式，并利用遗传算法(GeneticAlgorithm，GA)优化，弥补了SOM网络存在的弊端。该聚类方法主要分为三个部分：(1)半监督学习模块，负责初始化训练样本；(2)GA模块，负责训练过程的参数优化；(3)SOM模块，作为训练机进行样本聚类。该方法在分类问题上具有良好灵活性和扩展性，能够完成大量未知样本的特征聚类，并提高了原SOM网络的学习速度和分类精度，且聚类学习过程不容易发生振荡。

主权项

1.一种基于半监督学习的GA-SOM聚类方法，其特征在于，包括如下步骤：步骤1)，对样本数据进行预处理，所述预处理过程包括空值处理、归一化数据；步骤2)，采用半监督学习策略对预处理后的样本数据进行初始化，具体步骤为：2)-A、根据历史数据及专家库鉴定，去除样本中冗余信息，设样本X＝(x₁，x₂，...，x_m)，其中m为样本总数，经由专家库及历史数据产生一个关键数据比例权值β，β∈(0，1)，所述关键数据由专家库及历史数据对样本数据进行查询匹配得出，该数据代表某种类别，β即为关键数据占总数据的比例；2)-B、初始化t＝0，t是指循环次数；2)-C、对样本数据按照从小至大的顺序进行标记，标记数为：Num_tag＝mβ+σ，其中σ∈{1，2，...，m-mβ}；2)-D、采用SOM网络进行数据样本训练；2)-E、令t＝t+1，返回执行2)-C步骤；2)-F、当满足条件Num_tag＝m时，训练结束，样本数据初始化完成；步骤3)，确定网络输入模式：令Xⁱ＝(x₁，x₂，...，x_n)，其中i表示第i个样本，n为输入层节点数，即为样本总数；步骤4)，根据以下公式计算输入模式X_i与所有输出节点间权向量的欧式距离：其中，n表示输入层节点数、y表示输出层节点数、i表示输入节点、j表示输出节点，w_ij表示输入节点与输出节点之间的连接权值，表示第i个输入节点下的第k个样本，n、y、i、j、k均为正整数；步骤5)，取最小欧式距离作为获胜节点c；步骤6)，计算获胜节点c的适应度值，选出具有最小聚类中心的最大节点权值W_max，进而更新获胜节点c的权值；其中W_max＝d_min(C_i′，C_j′)，即计算C_i′、C_j′这两个类的聚类中心距离，距离最小适应度最好；具体步骤为：参数定义：用Y表示获胜节点c的所有样本空间，y_i′表示不同的特征元，即Y＝{y_i′|i′＝1，...m′}，m′为获胜节点c的样本总数，过程如下：6)-a步，另t′＝0，t′指循环次数，根据步骤2)所述的步骤初始化特征子集：G(t′)＝{y₁，y₂，...，y_n′}；6)-b步，根据适应值函数评价特征元；所述适应值函数采用优化问题的目标函数选取，即其中C_i′、C_j′表示两个不同聚类，P_i′、P_j′表示个体被选中的概率，W_max表示最大权值，d_min表示与W_max对应的最小聚集中心；6)-c步，进化体系，具体步骤为：6)-c-1，初始化计数器i′＝1，判断i′是否小于m′，当i′小于m′，进入下一步；否则终止迭代进入步骤7)；6)-c-2，母体选择：通过该个体的适应度与群体其他成员的适应度比值进行选择，个体被选中的概率P_i′与它的适应度比值成正比，；其中f(y_i′)为y_i′的适应度值，group_size表示种群大小；y_k′与y_i′均表示获胜节点c某个子代个体；6)-c-3，母体经过交叉产生n′个中间个体(O₁，O₂，...，O_n′)；n′为正整数；6)-c-4，n′个中间个体(O₁，O₂，...，O_n′)经过变异产生n′个全新的子代，即特征子集；6-d步，将新产生的子代加入G(t′)，并计算适应度值；6-e步，选出适应度从高至低的m′个个体，作为下一次的训练样本，即G(t′)→G(t′+1)，并转至6-b步骤；6-f步，当6-e步的迭代次数超过样本总数m′的2倍时终止迭代；步骤7)，确定获胜节点c的邻域范围N_C，N_C取高斯函数表示，根据以下公式调整获胜节点c的权向量：其中，表示权值w_i′j′的调整大小，ε(t′)随时间t′呈衰减趋势；w_i′j′表示获胜节点c与输入节点之间的连接权值，表示获胜节点c的第i′个输入节点下的第k′个样本；以上i′、j′、k′均为正整数；步骤8)，判断ε(t′)是否为0或迭代达到指定的最大次数，当结果为是，训练结束，分类不再改变，聚类过程终止；否则转至步骤3)，继续执行。