[發明專利]基于改進分類效用的無參數聚類方法及電子設備

有效

• 申請號: 201711125165.1
• 申請日: 2017-11-14
• 公開（公告）號: CN109784354B
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 徐家燕;姜偉;馮宜安;位恒曦
• 申請（專利權）人: 中移（杭州）信息技術有限公司;中國移動通信集團公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京同達信恒知識產權代理有限公司 11291
• 代理人: 郭潤湘

1.一種基于改進分類效用的無參數聚類方法，其特征在于，所述方法包括：

確定多個待聚類實例對應的多個類向量，其中，一個待聚類實例對應一個類向量，所述一個類向量用于指示相應待聚類實例的類別特征；一個待聚類實例為文本實例或者能產生連續型數據的實例，其中，所述連續型數據為在某段時間內采集的多個溫度值所構成的數據；

基于相似度矩陣對所述多個待聚類實例進行至少一次合并，獲得至少一個合并結果，并計算每個合并結果對應的分類效用值，其中，所述相似度矩陣由所述多個類向量確定，所述分類效用值用于指示所述多個待聚類實例的基本層次類別；

若所述至少一個合并結果中任一合并結果表明所述多個待聚類實例對應的類別個數小于等于預設類別個數，或者所述多個待聚類實例對應的至少兩個類別中兩兩類別之間的最大相似度為零，則輸出聚類結果，所述聚類結果為所述分類效用值最大時對應的合并結果。

2.如權利要求1所述的方法，其特征在于，所述確定多個待聚類實例對應的多個類向量，包括：

獲取多個待聚類實例對應的原始數據，所述原始數據包括文本數據、連續型數據中的一個或者多個；

基于數據標準化方法對所述原始數據進行歸一化處理，確定所述多個待聚類實例對應的多個類向量。

3.如權利要求2所述的方法，其特征在于，在所述確定多個待聚類實例對應的多個類向量之后，所述方法還包括：

基于余弦夾角公式及所述多個類向量，確定所述多個待聚類實例中每兩個待聚類實例之間的相似度；

基于所述相似度，確定所述相似度矩陣。

4.如權利要求1-3中任一權項所述的方法，其特征在于，所述計算每個合并結果對應的分類效用值通過以下公式進行：

其中，ECU(C,F)表示分類效用值，C表示所述多個待聚類實例的類別集合，F表示所述多個待聚類實例對應的特征集合，f_i為所述特征集合中的一個特征，H(f_i|c_k)表示特征f_i在類別c_k中的熵，|c_k|表示類別c_k的大小，p(c_k)表示一個待聚類實例屬于類別c_k的概率，所述類別c_k屬于所述類別集合C，H(f_i)表示特征f_i在整個數據集中的熵，N表示所述待聚類實例的總數，n表示所述特征集合的特征總數，m表示所述類別集合的類別總數，NH(f_i|c_k)等于NH(f_i)等于

5.如權利要求4所述的方法，其特征在于，所述基于相似度矩陣對所述多個待聚類實例進行至少一次合并，獲得至少一個合并結果，包括：

基于所述相似度矩陣，對所述多個待聚類實例中相似度最高的兩個待聚類實例進行合并，獲得新類別實例；

基于所述新類別實例對應的類向量與所述多個待聚類實例中除所述相似度最高的兩個待聚類實例外的待聚類實例對應的類向量，更新所述相似度矩陣，獲得更新后的相似度矩陣；

基于所述更新后的相似度矩陣對所述新類別實例及所述多個待聚類實例中除所述相似度最高的兩個待聚類實例外的待聚類實例繼續進行合并，獲得至少一個合并結果。