本发明涉及数据挖掘技术领域，特别涉及一种基于邻域信息和平均差异度的k-means初始聚类中心优选方法。
背景技术：
聚类算法是一种无监督的分类算法，是指按照某种相似性将一组没有类别标识的对象分为若干类别，使得类间对象距离尽可能大，而类内对象距离尽量小，是系统建模和数据挖掘的基本方法之一，已经广泛应用于各种领域，如文本分类、图像识别等领域。
而k-均值聚类算法(k-means)是一种基于划分的动态聚类算法，由于其方法简单，已经成为当前最流行的聚类方法之一。传统的k-均值聚类算法的缺陷在于：一是，算法的聚类结果易受初始聚类中心影响，当初始聚类中心选择不合理时会出现一致性聚类和无法收敛的情况。二是，不能克服离群点对聚类结果带来的不利影响，从而导致聚类结果不稳定且正确率较低。
技术实现要素：
本发明的目的在于提供一种基于邻域信息和平均差异度的k-means初始聚类中心优选方法，以提高k-均值聚类算法的正确率。
为实现以上目的，本发明采用的技术方案为：提供一种基于邻域信息和平均差异度的k-means初始聚类中心优选方法，包括：
s1、输入n个对象的样本集x＝{x1，x2，…，xi，…，xn}，xi为m维向量，确定聚类类数k，初始化当前确定的初始聚类中心个数k＝0；
s2、计算样本集中对象两两之间的距离，并形成距离矩阵d；
s3、计算样本集总体平均差异度m，确定邻域半径值δ，
s4、基于距离矩阵d，计算每个样本点xi的δ邻域内样本数量ni，形成矩阵n；
s5、将n中δ邻域内样本数量最大ni对应的样本点xi作为第1个聚类中心c1，令k＝k+1，并在矩阵n中将最大ni置0；
s6、继续查找矩阵n中δ邻域内样本数量最大nj对应的样本点xj，，计算其与已有聚类中心{c1，c2，…，ck}的距离，并在矩阵n中将最大nj置0；
s7、若xj与{c1，c2，…，ck}中聚类中心的距离均不小于平均差异度m，则k＝k+1，ck+1＝xj，否则返回步骤s6；
s8、若当前聚类中心个数k等于聚类类别数k，则输出k个初始聚类中心c＝{c1，c2，…，ck}，否则返回步骤s6；
s9、运用k-均值聚类算法对整个样本集进行聚类，输出聚类结果。
其中，所述的步骤s2中，样本集中对象两两之间的距离的计算过程具体为：
假设样本集中两对象分别为xi、xj，其中xi＝{xi1，xi2，…，xim}，xj＝{xj1，xj2，…，xjm}，则xi与xj的距离dij为：
其中，所述的步骤s3中，计算样本集总体平均差异度m的过程具体为：
计算样本xi的平均差异度为：
计算样本集的总体平均差异度为：
与现有技术相比，本发明存在以下技术效果：本发明全面考虑了数据集的空间分布，得到的聚类中心更加合理和符合实际情况。本发明不仅有效克服了k-均值算法初始聚类中心选取的盲目性和随机性，明显提高了聚类结果的正确率和稳定性，迭代次数少，而且在一定程度上克服了离群点敏感性问题。
附图说明
下面结合附图，对本发明的具体实施方式进行详细描述：
图1是本发明中一种基于邻域信息和平均差异度的k-means初始聚类中心优选方法的流程示意图。
具体实施方式
为了更进一步说明本发明的特征，请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用，并非用来对本发明的保护范围加以限制。
如图1所示，本实施例公开了一种基于邻域信息和平均差异度的k-means初始聚类中心优选方法，包括如下步骤：
s1、输入n个对象的样本集x＝{x1，x2，…，xi，…，xn}，xi为m维向量，确定聚类类数k，初始化当前确定的初始聚类中心个数k＝0；
s2、计算样本集中对象两两之间的距离，并形成距离矩阵d；
s3、计算样本集总体平均差异度m，确定邻域半径值δ，
s4、基于距离矩阵d，计算每个样本点xi的δ邻域内样本数量ni，形成矩阵n；
s5、将n中δ邻域内样本数量最大ni对应的样本点xi作为第1个聚类中心c1，令k＝k+1，并在矩阵n中将最大ni置0；
s6、继续查找矩阵n中δ邻域内样本数量最大nj对应的样本点xj，计算其与已有聚类中心{c1，c2，…，ck}的距离，并在矩阵n中将最大nj置0；
s7、若xj与{c1，c2，…，ck}中聚类中心的距离均不小于平均差异度m，则k＝k+1，ck+1＝xj，否则返回步骤s6；
s8、若当前聚类中心个数k等于聚类类别数k，则输出k个初始聚类中心c＝{c1，c2，…，ck}，否则返回步骤s6；
s9、运用k-均值聚类算法对整个样本集进行聚类，输出聚类结果。
进一步地，步骤s2中，样本集中对象两两之间的距离的计算过程具体为：
假设样本集中两对象分别为xi、xj，其中xi＝{xi1，xi2，…，xim}，xj＝{xj1，xj2，…，xjm}，则xi与xj的距离dij为：
进一步地，步骤s3中，计算样本集总体平均差异度m的过程具体为：
计算样本xi的平均差异度为：
计算样本集的总体平均差异度为：
进一步地，在步骤s4中，邻域半径值δ的计算过程为：δ＝m/4。
进一步地，在步骤s3中，邻域定义为：
设<u,δ>为一非空度量空间，其中u为对象的非空有限集，以x∈u为中心、以δ为半径的闭球，称为x中每个样本数据的δ邻域，定义为：
n(x)＝{y∈u|δ(x，y)≤δ}；
其中：δ≥0，δ为距离函数，采用欧式距离。
进一步地，距离矩阵d具体为：
进一步地，矩阵n具体为：
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。