[發(fā)明專利]基于改進分類效用的無參數(shù)聚類方法及電子設(shè)備

有效

• 申請?zhí)枺?/td>: 201711125165.1
• 申請日: 2017-11-14
• 公開（公告）號: CN109784354B
• 公開（公告）日: 2021-07-09
• 發(fā)明（設(shè)計）人: 徐家燕;姜偉;馮宜安;位恒曦
• 申請（專利權(quán)）人: 中移（杭州）信息技術(shù)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(chǎn)權(quán)代理有限公司 11291
• 代理人: 郭潤湘

本發(fā)明實施例中提供一種基于改進分類效用的無參數(shù)聚類方法及電子設(shè)備，用以解決現(xiàn)有技術(shù)中存在通過現(xiàn)有的聚類方法劃分類別時得到的聚類結(jié)果的準確性較低的技術(shù)問題。其中，方法包括確定多個待聚類實例對應(yīng)的多個類向量；基于由多個類向量確定的相似度矩陣對多個待聚類實例進行至少一次合并，獲得至少一個合并結(jié)果，并計算每個合并結(jié)果對應(yīng)的分類效用值，分類效用值用于指示多個待聚類實例的基本層次類別；若至少一個合并結(jié)果中任一合并結(jié)果表明多個待聚類實例對應(yīng)的類別個數(shù)小于等于預(yù)設(shè)類別個數(shù)，或者多個待聚類實例對應(yīng)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(jié)果，聚類結(jié)果為分類效用值最大時對應(yīng)的合并結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)挖掘技術(shù)領(lǐng)域，尤其涉及一種基于改進分類效用的無參數(shù)聚類方法及電子設(shè)備。

背景技術(shù)

大數(shù)據(jù)時代的數(shù)據(jù)膨脹正在改變著社會的各個領(lǐng)域，包括公共政策、科學(xué)發(fā)現(xiàn)、業(yè)務(wù)策略，甚至我們的個人生活。面對大規(guī)模的數(shù)據(jù)，如何從中高效、準確地提取出有價值的信息變得更加困難，也更加有意義。聚類作為數(shù)據(jù)挖掘的重要工具，能夠根據(jù)數(shù)據(jù)本身的特征和規(guī)律對數(shù)據(jù)進行分類和整理，無需事先標記數(shù)據(jù)，也無需事先制定規(guī)則，在數(shù)據(jù)治理、多文檔分類、模式挖掘等領(lǐng)域都有著廣泛的應(yīng)用，也吸引了大量的研究目光。同時，聚類不僅可以作為獨立的數(shù)據(jù)挖掘工具對數(shù)據(jù)進行分析，也可以作為其他數(shù)據(jù)挖掘算法的預(yù)處理過程。

聚類的目的是根據(jù)對象之間的相似性將對象劃分成多個類別，使得同一類別的對象之間盡可能的相似，而不同類別的對象之間盡可能的相異。在分類學(xué)研究中，分類可以看作是一個概念層次結(jié)構(gòu)，不同層次的概念之間是屬于關(guān)系，研究人員通常利用層次聚類算法去自動抽取文本數(shù)據(jù)中的概念層次，同時，也有研究人員將層次聚類算法與一些度量方法相結(jié)合去尋找最優(yōu)的類別劃分。由此可見，層次聚類算法在分類學(xué)習(xí)中起著重要的作用。比較經(jīng)典的層次聚類算法包括T.Zhang等人提出的利用層次方法的平衡迭代約減和聚類(Balanced Iterative Reducing and Clustering Using Hierarchis，BIRCH)算法，GuhaU等人提出的(Clustering Using Representatives，CURE)算法以及George K等人提出的CHAMELEON算法等等。

在現(xiàn)實生活中，類別是有層次結(jié)構(gòu)的，人們在描述一個對象時通常會將其劃分到一個合適的類別，劃分的角度不同，得到的劃分結(jié)果也會不同。然而，大多數(shù)現(xiàn)有的聚類方法得到的聚類結(jié)果對用戶來說往往不易理解，例如，給定一個水果相關(guān)的數(shù)據(jù)集，人們通常會將它劃分為蘋果、橘子、香蕉等類別，但現(xiàn)有的聚類算法有可能會將它劃分為紅富士、黃元帥、國光等類別，這種情況下得到的劃分結(jié)果對用戶來說就會很難理解，準確性較低。同時，現(xiàn)有的聚類方法都需要用戶輸入一些敏感的參數(shù)，而這些參數(shù)又會對聚類結(jié)果產(chǎn)生直接的影響，這使得聚類的質(zhì)量難以控制，準確性較低。而層次聚類方法雖然可以在不同粒度水平上對數(shù)據(jù)進行分析，并發(fā)現(xiàn)類別之間的層次關(guān)系，但是它無法自動找到層次關(guān)系中最貼近用戶的層次類別。

綜上可知，現(xiàn)有技術(shù)中存在通過現(xiàn)有的聚類方法劃分類別時得到的聚類結(jié)果的準確性較低的技術(shù)問題。

發(fā)明內(nèi)容

本發(fā)明實施例提供一種基于改進分類效用的無參數(shù)聚類方法及電子設(shè)備，用以解決現(xiàn)有技術(shù)中的存在的通過現(xiàn)有的聚類方法劃分類別時得到的聚類結(jié)果的準確性較低的技術(shù)問題。

第一方面

本發(fā)明實施例提供一種基于改進分類效用的無參數(shù)聚類方法，包括：