一种基于离群指数的初始聚类中心优选算法

摘要

本发明涉及一种聚类算法，具体涉及一种基于离群指数的初始聚类中心优选算法。包括如下步骤：（1）计算局部离群指数；（2）得到处于密集区域的数据对象集合D；（3）将局部离群指数最小的数据加入初始聚类中心集合；在集合D中找出距离O_１点最远的点O₂作为第二个聚类中心，加入初始聚类中心集合，并从D中删除O_１、O₂；（4）从集合D中找出O₃和O_１、O₂和O₃的距离之和最大，然后将O₃加入到初始聚类中心集合，将O₃从集合D中删除，继续从集合D中找出到初始聚类中心对象集合中所有对象距离最远的点作为聚类中心，直到第k个；（5）运用K‐均值聚类算法对整个数据集进行聚类。本发明简单、快速、应用广泛。

主权项

一种基于离群指数的初始聚类中心优选算法,其特征在于：采用如下步骤：输入：具有n 个对象的数据集X和聚类分组数k ；输出：k 个聚类，使得目标函数E 最小；步骤1：计算每个数据对象的局部离群指数；步骤2：将局部离群指数排在前n 个的数据对象点删除，得到处于密集区域的数据对象集合D；步骤3：将局部离群指数最小的数据对象作为第一个聚类中心O_１，将O_１加入初始聚类中心集合；在集合D 中找出距离O_１点最远的点O₂作为第二个聚类中心，加入初始聚类中心集合，并从D中删除O_１、O₂；步骤4：从集合D中找出O₃ 和O_１、O₂和O₃的距离之和最大，然后将O₃加入到初始聚类中心集合，将O₃从集合D中删除，继续从集合D 中找出到初始聚类中心对象集合中所有对象距离最远的点作为聚类中心，直到第k个；步骤5：用得到的k个聚类中心，运用K‐均值聚类算法对整个数据集进行聚类。