[发明专利]一种基于Delaunay三角网的K‑means初始聚类中心选取方法

摘要

本发明公开了一种基于Delaunay三角网的K‑means初始聚类中心选取方法，把待聚类数据集表示为Delaunay三角网，计算三角网中的代表点；计算各代表点的密度之和及其欧氏距离的乘积作为两个代表点间的混合距离，然后，在所有代表点中挑选第1个初始聚类中心，并将其加入到初始聚类中心集合C中，再选择第2个初始聚类中心，并将其加入到初始聚类中心集合C中，接着，在剩下的代表点中逐个计算与初始聚类中心集合中各初始聚类中心的混合距离，并选出最小混合距离，然后在所有的最小混合距离中挑选出最大混合距离所对应的代表点，并将其加入到初始聚类中心集合C中，不断地从代表点中挑选出符合条件的代表点加入到集合C，直至初始聚类中心集合C包含的元素个数等于K。

主权项

一种基于Delaunay三角网的K‑means初始聚类中心选取方法，其特征在于，包括以下步骤：步骤1、把待聚类数据集表示为Delaunay三角网，使得所述待聚类数据集中的各数据点与所述Delaunay三角网中的节点一一对应；步骤2、计算所述Delaunay三角网中各三角形三个顶点的均值，并将所述均值作为所述三角形的代表点；步骤3、计算各所述代表点所在三角形面积的倒数，并将各所述代表点所在三角形面积的倒数作为所述代表点的密度；步骤4、计算所述代表点的密度之和及所述代表点的欧氏距离，并将两者的乘积作为两个代表点间的混合距离；步骤5、在所有所述代表点中挑选密度最大的代表点作为第1个初始聚类中心，并将所述密度最大的代表点加入到初始聚类中心集合C中；步骤6、选择与所述第1个初始聚类中心的混合距离最远的代表点作为第2个初始聚类中心，并将与所述第1个初始聚类中心的混合距离最远的代表点加入到所述初始聚类中心集合C中；步骤7、在剩下的代表点中逐个计算与所述初始聚类中心集合C中的各初始聚类中心的混合距离，并选出最小混合距离，然后在所有的最小混合距离中挑选出最大混合距离所对应的代表点，并将所有的最小混合距离中挑选出最大混合距离所对应的代表点加入到所述初始聚类中心集合C中，不断地从代表点中挑选出符合条件的代表点加入到所述初始聚类中心集合C，直至所述初始聚类中心集合C包含的元素个数等于K。