一种基于邻域模型的K－means初始聚类中心选择方法

发明专利无效专利

申请号：
CN200710185216.X
IPC分类号：G06F17/30
申请日期：
2007-11-09
申请人：
山西大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于邻域模型的K－means初始聚类中心选择方法
申请号	CN200710185216.X	申请日期	2007-11-09
法律状态	撤回	申报国家	暂无
公开/公告日	2008-03-26	公开/公告号	CN101149759
优先权	暂无	优先权号	暂无
主分类号	G06F17/30 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06F 电数字数据处理（基于特定计算模型的计算机系统入G06N） G06F17/00 特别适用于特定功能的数字计算设备或数据处理设备或数据处理方法〔6〕 G06F17/30 信息检索；及其数据库结构〔6〕	IPC分类号	G;0;6;F;1;7;/;3;0查看分类表>
申请人	山西大学	申请人地址	山西省太原市坞城路92号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	山西大学	当前权利人	山西大学
发明人	曹付元;梁吉业;宁姝
代理机构	山西五维专利事务所有限公司	代理人	杨耀田

摘要

一种基于邻域模型的K－means初始聚类中心选择方法，该方法根据属性集和范式计算出对象的距离矩阵和所有对象距离的平均值，并对距离矩阵归一化处理，在0到对象距离的平均值间选择一个邻域生成邻域矩阵，计算出对象邻域的上下近似，得到对象的耦合度，并按耦合度降序排列，耦合度最高的对象为第一个初始中心，依次取第二个对象，判断其与第一个初始中心的分离度，如果小于规定的值，则第二个对象为初始中心，否则取第三个对象，判断其与前面的初始中心的分离度，如果都小于规定的值，则第三个对象为初始中心，否则取下一个，直至得到要求的初始中心个数，该方法克服了传统K－means方法随机选择初始聚类中心的缺点，提高了聚类的精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供