一种面向行为识别的密度适应性聚类方法

摘要

本发明公开了一种面向行为识别的密度适应性聚类方法，涉及聚类分析技术领域，包括按照由高到低的次序，从最高密度阈值到最低密度阈值以此对给定数据集进行聚类分析。上一次的聚类过程产生的结果可以直接作为下一次的聚类过程的输入，并在当前密度阈值下对上一次的聚类结果进行必要的修正，从而实现了对不同密度数据簇的聚类。由于基本聚类算子采用基于密度的聚类方法，其聚类过程为典型的迭代扩展过程，因此可以克服基于距离算法只能发现类圆形的聚类簇的缺点，因此该方法对噪音数据不敏感，可自动排除噪音数据对聚类过程的影响，并且能发现任意形状的簇。

主权项

一种面向行为识别的密度适应性聚类方法，其特征在于，包括以下步骤：1)设定密度层次及最高、最低密度阈值，并根据所设定的密度层次及最高、最低密度阈值计算各个层次上的密度阈值；2)将密度阈值从高到低进行排列，选取密度阈值中最高密度阈值对数据进行第一次聚类，产生聚类族；3)将剩余密度阈值重新从高到底进行排列，选取密度阈值中最高密度阈值对数据进行第i次聚类，产生聚类族；其中，第i次聚类过程产生的聚类簇，在后续聚类过程中只能被扩展而不能被分割或者合并到其他簇；满足当前密度阈值的新簇应该被优先提取以避免与被已存在的簇合并；4)重复步骤3)，直到根据所有的密度阈值将数据聚类完成，将所聚类的数据进行行为识别。