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。

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。