发明名称 | 一种双阶自适应的小波聚类方法 | ||
摘要 | 本发明公开了一种双阶自适应的小波聚类方法,应用于数据的分类与模式识别。主要分为四大步骤。第一,采用粗网格量化数据空间,找出存在聚类的空间区域,实现数据的预分选聚类;第二统计子聚类的信息,根据每个子聚类的数据分布特点,自动计算其最优量化值,并存储。第三提取每个子聚类的量化值及边界信息,对每个子聚类的数据空间进行自适应细划分,实现小波聚类。最后输出的聚类结果及信息存储表。本发明与现有技术相比,此方法能消除量化值及密度阈值设置对聚类精度的影响,提高聚类精度,尤其对于密度不均匀的数据,其诊断精度显著高于传统的小波聚类方法。 | ||
申请公布号 | CN106372669A | 申请公布日期 | 2017.02.01 |
申请号 | CN201610799993.2 | 申请日期 | 2016.08.31 |
申请人 | 南昌航空大学 | 发明人 | 左红艳;刘晓波;洪连环 |
分类号 | G06K9/62(2006.01)I | 主分类号 | G06K9/62(2006.01)I |
代理机构 | 南昌洪达专利事务所 36111 | 代理人 | 刘凌峰 |
主权项 | 一种双阶自适应的小波聚类方法,其特征在于主要分为四个阶段:第一阶段,粗网格划分,预分选聚类,由粗网格划分得到的各个聚类,称为子聚类;第二阶段,统计各子聚类信息与计算子聚类自适应细化分的量化值;第三阶段,子聚类数据空间的自适应细划分与小波聚类;第四阶段,输出自适应细划分网格的聚类结果及信息存储表。根据信息存储表,比对数据,判断聚类标识的类型,并标识聚类结果。 | ||
地址 | 330063 江西省南昌市丰和南大道696号 |