基于聚类分区的混合样本数据特征检测方法

摘要

混合样本数据多样复杂，特征分布不规则且交织，传统方法依赖单一固定特征度量标准，难以精准计算局部差异系数，影响样本特征差异反映，破坏聚类特性，导致区域边界划分偏差，影响数据特征优化。因此，提出了一种基于聚类分区的混合样本数据特征检测方法。定义邻域规模、邻域作用距离、邻域特征数据距离及邻域特征密度等混合样本数据特征分区检测相关参量，计算局部差异系数，以度量样本特征差异。在此基础上，通过转化为熵的形式得到两个目标函数，依据聚类约束条件确保目标函数选择精准度。根据目标函数进行局部分区特征聚类，通过确定相同特征样本检测边界并去除特征扰动噪声，将相邻分区进行全局合并，实现对混合样本数据特征的区域边界划分，完成聚类分区对混合样本数据特征的具体优化。仿真结果表明，所提的方法在现有混合样本数据特征检测条件下，能够高效、稳定、快速地获取混合样本数据的特征参量，准确率满足实际应用要求，具有较高的研究价值和推广价值。

关键词

聚类分区 / 混合样本 / 数据特征 / 检测方法