[发明专利]一种基于三支c-means决策的目标聚类方法及系统

摘要

本发明提供一种基于三支c‑means决策的目标聚类方法及系统，属于机器学习聚类技术领域。本发明将一个簇建模为positive域、boundary域和negtive域，依据簇的中心点与目标数据之间的相对关系将目标数据分配到簇的不同域，任何只要存在聚类边界不明确的问题均可适用该方法，适用面广，聚类效果好。进一步地，在簇的中心点计算中，根据目标所属的positive域和boundary域的数量来决定其权重，而非使用经验权重，可更加有效地对目标进行聚类分析。

主权项

1.一种基于三支c‑means决策的目标聚类方法，将一个簇c_i建模为positive域、boundary域和negtive域，分别表示为POS(c_i)、BND(c_i)和NEG(c_i)；其中，一个簇的positive域由绝对属于该簇的目标组成，一个簇的boundary域由可能属于该簇的目标组成，一个簇的negtive域由不可能属于该簇的目标组成；其特征在于，该方法包括如下步骤：(1)将待聚类的目标数据x_j随机初始分配到k个簇的positive域，其中，x_j∈U，U是所有待聚类目标数据组成的集合；(2)计算k个簇的中心点；(3)根据计算出的各个中心点，重新分配所有目标数据到k个簇的不同域；(4)检查迭代终止条件是否满足，若不满足则回到第(2)步，否则，结束；所述步骤(3)重新分配所有目标数据到各个簇的具体实现过程为：定义关系函数r(c_i,x_j)＝μ_ij，μ_ij表示目标x_j与簇c_i相似程度的fuzzy成员值；建立关系向量[r(c₁,x_j),r(c₂,x_j)，…,r(c_k,x_j)]^T＝[μ_1j,μ_2j,…,μ_kj]^T，表示目标x_j与各个簇的相似程度；定义特征函数表示提取关系向量的最大值；定义相对关系函数描述目标x_j与簇c_i相对其他簇的相对关系值，该值越大说明目标x_j与簇c_i的关系越密切，其取值范围是(0,1]；定义相对归属集合描述目标x_j可能属于的簇集合；其中t_mj,t_nj分别是[t_ij],1≤i≤k中的最大值和第二大值；该集合中的簇为目标x_j可能归属的簇，若该集合只有一个簇，则目标x_j将被分配到该簇的positive域，若该集合有两个或以上簇，则目标x_j将被分配到这些簇的boundary域；建立评价函数描述目标x_j与簇c_i的相对关系值；设置α＝1,则有基于评价的聚类模型如下：