基于最大最小距离的分类数目上限K确定的聚类方法

聚类是数据挖掘很重要的组成部分.而大多数聚类算法都需要事先确定分类数目K.而本文是在实际

情况下确定分类数目K的上限.进而对数据样本进行自动分类.

首先介绍下最大最小距离算法：

设样本集为X{x(1),x(2).......}

1.选取任意一个样本作为第一个聚类中心 如z(1)=x(1)

2.选取距离z(1)最远的样本点作为第二个聚类中心,设为z(2)

3.计算每个样本到z(1),z(2)的距离D(i,1),D(i,2);并选出其中最小的距离T(i)=min(D(i,1),D(i,2))

4.在所有样本最小值中选择最大值即max(T);

5.若max(T(i))>=θ|z(1)-z(2)|,(θ为事先给定,|z(1)-z(2)|为两聚类中心的距离),则z(3)=x(i),否则无新的聚类中心.

则找聚类中心结束,θ可用试探法,只要能将想要的类别识别即可.这里设z(3)=x(7)

6.若z(3)存在,则继续步骤3,计算每个样本到z(1),z(2),z(3)的距离D(i,1),D(i,2),D(i,3);并选出其中最小的距离T(i)=min(D(i,1),D(i,2),D(i,3))

7.重复步骤4,5直到不满足5的条件,聚类结束.

8.假设一共只要三个聚类中心.那么比较每个样本点到三个聚类中心的距离.距离最小者即符合该类,属于该类.

改近的最大最小距离算法:

设样本集为X{x(1),x(2)........},此样本集最多分为3类,即k=1或k=2或k=3

1.首先将样本集合的数据进行升序排序Y(y(1),y(2).......y(N))

2.如果样本集至少存在一个数据,则说明至少存在一类.取排序后的第一个数为第一个聚类中心z(1)=y(1);避免了随机选取带来的不稳定性

3.如果排序后的样本集合最后一个元素的值减去第一个元素值>5 即认为存在两类,这里取最后一个元素为第二个聚类中心.z(2)=y(N)

这也符合前两个聚类中心距离最远的条件.

4.再根据最大最小距离判定法则对剩下的聚类中心进行判定.

以下为matlab仿真代码：

 clc;
 clear;
 %   load Data1.mat  %加载数据
  ClomStatic=[7,1,3,5,1,56,57,53,24,16,20,21];
 len=length(ClomStatic);%求向量ClomStatic的长度

 %如果存在非零长度,则至少为一类.
 if(len>0)
     k=1;
     Z(k)=ClomStatic(1);         %取第一个位置为第一个聚类中心
     TempZ=ClomStatic(len);

     %如果最大最小数值差值大于20,则至少存在两类
      if(TempZ-Z(1)>=5)
             k=k+1;
             Z(k)=ClomStatic(len);       %取第最后个位置为第二个聚类中心

         %逐个求出各个样本和聚类中心Z(1),Z(2)之间的距离选出每个点到聚类中心中的较小值
         D=zeros(len,2);
         M=zeros(1,len);
         for i=1:len
             D(i,1)=abs(ClomStatic(i)-Z(1));
             D(i,2)=abs(ClomStatic(i)-Z(2));
             M(i)=min(D(i,:));
         end

         %在M中找出最大值和20(20为聚类间隔,自定义设定),若大于,则产生新的聚类中心,否则无新的聚类中心,判断是否存在第三类
         [m indexm]=max(M);
             if(m>0.32*abs(Z(1)-Z(2)))
                 k=k+1;      %如果k<则聚类结束
                 Z(k)=ClomStatic(indexm);
             end

         %若Z(3)存在
         if(k==3)
             %将样本按最近距离分到最近的聚类中心 k=3
             TempDistance=zeros(len,k);
             p1=1;
             p2=1;
             p3=1;
             for i=1:len
                 for j=1:k
                     TempDistance(i,j)=abs(ClomStatic(i)-Z(j));
                 end
                 [Dis GroupIndex]=min(TempDistance(i,:));
                 if(GroupIndex==1)%Group保存最终的分类结果
                      Group1(p1)=ClomStatic(i);
                      p1=p1+1;
                  elseif(GroupIndex==2)
                      Group2(p2)=ClomStatic(i);
                       p2=p2+1;
                  elseif(GroupIndex==3)
                      Group3(p3)=ClomStatic(i);
                      p3=p3+1;
                 end
             end
             %求类中心
             ClassCenter=zeros(1,3);
             ClassCenter(1)=floor(sum(Group1)/length(Group1));
             ClassCenter(2)=floor(sum(Group2)/length(Group2));
             ClassCenter(3)=floor(sum(Group3)/length(Group3));
        else
          %将样本按最近距离分到最近的聚类中心 k=2
         TempDistance=zeros(len,k);
         p1=1;
         p2=1;
         for i=1:len
             for j=1:k
                 TempDistance(i,j)=abs(ClomStatic(i)-Z(j));
             end
             [Dis GroupIndex]=min(TempDistance(i,:));
             if(GroupIndex==1)                       %Group保存最终的分类结果
                  Group1(p1)=ClomStatic(i);
                 p1=p1+1;
              elseif(GroupIndex==2)
                  Group2(p2)=ClomStatic(i);
                 p2=p2+1;
             end
         end
         %求类中心
         ClassCenter=zeros(1,2);

         ClassCenter(1)=floor(sum(Group1)/length(Group1));
         ClassCenter(2)=floor(sum(Group2)/length(Group2));
      end
 else
        %k=1;
          j=1;
         for i=1:len
             Group1(j)=ClomStatic(i);
             j=j+1;
         end
        %求类中心
         ClassCenter=zeros(1,1);

         ClassCenter(1)=floor(sum(Group1)/length(Group1));
      end
 end

仿真结果：

进行三类划分：

测试数据：

结果：

进行二类划分：

测试数据

结果：

进行一类划分：

测试数据：

结果：