[发明专利]基于群体智能的行为聚类系统

摘要

本发明提出基于群体智能的行为聚类系统，该系统的数据表示包括数据结构和数据类型，采用K均值混合聚类算法；采用k均值混合聚类算法，将蚁群聚类算法与k均值聚类算法结合起来，该算法主要分成两个部分，第一部分进行蚁群聚类，第二部分用k均值算法收集蚁群聚类的结果，在k均值混合聚类算法中，相似度公式与蚁群聚类的基本模型及LF算法类似，但采用了更为简单的概率转换函数，它是两条斜率为k的直线，后续的实验证明，这些改进之处使得算法无论是在精度还是效率上都比现有算法表现更为优异。

主权项

基于群体智能的行为聚类系统，其特征在于，该系统的数据表示包括数据结构和数据类型，采用K均值混合聚类算法；数据类型是一组值的集合和定义在这个值集合之上的一组操作的总称，与数据本身相关，包括数值性、布尔型、可分类型、混合型等；数据结构是数据的组织形式，通常指存储在计算机内存中的数据；本系统采用的聚类算法所用的数据主要有以下两种数据结构：1、矢量表示；2、相似矩阵表示；采用k均值混合聚类算法，将蚁群聚类算法与k均值聚类算法结合起来，该算法主要分成两个部分，第一部分进行蚁群聚类，第二部分用k均值算法收集蚁群聚类的结果，在k均值混合聚类算法中，相似度公式与蚁群聚类的基本模型及LF算法类似，但采用了更为简单的概率转换函数，它是两条斜率为k的直线，如下所示；$p_p=\left\{\begin{array}{cc}1-\mathrm{\&epsiv;}& f\left(O_i\right)\&le;0\\ 1-k\&times;f\left(O_i\right)& 0\&lt;f\left(O_i\right)\&le;1/k\\ 0+\mathrm{\&epsiv;}& f\left(O_i\right)>1/k\end{array}\right.$$p_d=\left\{\begin{array}{cc}1-\mathrm{\&epsiv;}& f\left(O_i\right)\&GreaterEqual;1/k\\ k\&times;f\left(O_i\right)& 0\&lt;f\left(O_i\right)\&lt;1/k\\ 0+\mathrm{\&epsiv;}& f\left(O_i\right)\&le;0\end{array}\right.$在基本模型中，概率转换函数的参数包括两个阈值常数k₁和k₂，并且阈值常数的选取和实验数据相关密切，而在k均值混合聚类算法中，概率转换函数只有k，并且通过实验证明，简化后概率转换函数的参数k并没有根据实验数据变化而变化，因此新算法的概率转换函数变化同样减轻了算法参数选取的复杂度，提高了算法的实用性，K均值混合聚类算法的运行过程如下：算法：K均值混合聚类算法输入：p个模式矢量输出：被标记聚类类别的p个模式方法：步骤l：参数初始化，a，ant_number，k，R，size，dist.最大循环次数n，标注类别值clusterno等；步骤2：将待聚类模式随机分散于一个平面上，即随机赋给每一个模式一对(x,y)坐标；步骤3：给一组蚂蚁赋初始模式值，初始状态为无负载；步骤4：for i=1，2…，n；步骤4.1for j=1，2，…ant_number；步骤4.1.1以本只蚂蚁初始模式对应坐标为中心，r为观察半径，利用群体相似度公式计算此模式在观察半径范围内的群体相似度；步骡4.1.2若本只蚂蚁无负载，则计算拾起概率p_p；步骤4.1.3与一随机概率p_r相比较，若p_p<p_r，则蚂蚁不拾起此模式，再随机赋给蚂蚁一个模式值，否则蚂蚁拾起此模式，蚂蚁状态改为有负载，随机给蚂蚁一个新坐标；步骤4.1.4若本只蚂蚁有负载，则计算放下概率p_d；步骤4.1.5与一随机概率p_r相比较，若p_d>p_r则蚂蚁放下此模式，将蚂蚁的坐标赋给此模式，蚂蚁状态改为无负载，再随机赋给蚂蚁一个模式值.否则蚂蚁继续携带此模式，蚂蚁状态仍为有负载，再次随机给蚂蚁一个新坐标；步骤5：for i=1，2…，pattern_num；//对于每一个模式步骤5.1若此模式未被标注类别；步骤5.1.1标注此模式的类别；步骤5.1.2用同一类别标注值递归标注所有相距小于dist的模式，即在平面上收集所有属于同一集簇的模式；步骤5.1.3if同一集簇模式数大于1，类别标注值clusterno++；else标注此模式为例外；步骤6：生成聚类中心模板，即计算不包括例外的每一个聚类中心的平均值；步骤7：Repeat；步骤7.1（再次）将每一个模式以距离最近的规则划分到所属聚类中心；步骤7.2更新聚类中心模板；步骤8Until聚类中心模板没有变化；k均值混合聚类算法主要包括两个阶段，第一阶段是实现基于群体智能的聚类过程，第二阶段是以第一阶段得到的聚类中心均值模板和聚类中心个数为参数，实现K均值聚类过程，当然在收集第一阶段聚类结果的时候，由单个模式形成的聚类中心将不列为第二阶段的初始聚类中心模板。