[發明專利]數據聚類方法、裝置、計算機設備和存儲介質

有效

• 申請號: 201910461454.1
• 申請日: 2019-05-30
• 公開（公告）號: CN110263825B
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 李肯立;肖娜;周旭;陳建國;肖國慶;李克勤
• 申請（專利權）人: 湖南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 華進聯合專利商標代理有限公司 44224
• 代理人: 黃曉慶;黃晶晶

1.一種數據聚類方法，其特征在于，所述方法包括：

獲取圖像或文本，通過圖像采樣塊對所述圖像進行滑動采樣，根據采樣得到的圖像數據得到待聚類數據；或對所述文本進行分詞處理，根據分詞處理結果確定的詞向量得到待聚類數據；

根據所述待聚類數據的密度值、最近密度更高點距離和最近種子距離，從所述待聚類數據中確定聚類種子；

基于所述聚類種子對所述待聚類數據進行均值聚類，得到聚類初始簇；

確定所述待聚類數據在對應的所述聚類初始簇中的覆蓋點數；所述覆蓋點數為所述待聚類數據的覆蓋點集中與所述待聚類數據處于同一聚類初始簇中數據點的數目，所述覆蓋點集為所述待聚類數據將簇標記向視其為最近密度更高點的數據點進行傳播，并且新獲得簇標記的數據點重復此過程，直至簇標記傳播停止時，所述簇標記所至的數據點的集合；

根據所述覆蓋點數和所述最近密度更高點距離的積，得到聚類中心候選參數；

將所述聚類初始簇中，所述聚類中心候選參數最大的待聚類數據作為最終聚類中心；

基于所述最終聚類中心對所述待聚類數據進行密度峰值聚類，得到數據聚類結果，所述數據聚類結果可以用于表征所述圖像數據或所述文本數據的聚類結果。

2.根據權利要求1所述的方法，其特征在于，所述根據待聚類數據的密度值、最近密度更高點距離和最近種子距離，從所述待聚類數據中確定聚類種子包括：

確定各所述待聚類數據的密度值和最近密度更高點距離，并根據所述密度值初始化聚類種子表；

確定各所述待聚類數據與所述聚類種子表中各種子之間的最近種子距離；

根據所述密度值、所述最近密度更高點距離和所述最近種子距離，從所述待聚類數據中確定更新種子，并將所述更新種子加入所述聚類種子表中；

當所述聚類種子表中的種子數量不滿足預設種子數量閾值時，返回確定各所述待聚類數據與所述聚類種子表中各種子之間的最近種子距離的步驟；否則，從所述聚類種子表中獲取聚類種子。

3.根據權利要求2所述的方法，其特征在于，所述根據所述密度值初始化聚類種子表包括：將所述密度值最大的待聚類數據作為初始化種子，并將所述初始化種子加入所述聚類種子表中。

4.根據權利要求3所述的方法，其特征在于，所述根據所述密度值、所述最近密度更高點距離和所述最近種子距離，從所述待聚類數據中確定更新種子包括：

根據所述密度值、所述最近密度更高點距離和所述最近種子距離的積，得到各所述待聚類數據的種子候選參數；

將所述種子候選參數最大的待聚類數據作為更新種子。

5.根據權利要求1所述的方法，其特征在于，所述基于所述聚類種子對所述待聚類數據進行均值聚類，得到聚類初始簇包括：

根據K均值聚類算法和所述聚類種子，對所述待聚類數據進行均值聚類，得到聚類初始簇。

6.根據權利要求1至5任意一項所述的方法，其特征在于，所述待聚類數據的密度值是基于密度聚類算法對所述待聚類數據進行計算得到的。

7.根據權利要求1所述的方法，其特征在于，所述基于所述最終聚類中心對所述待聚類數據進行密度峰值聚類，得到數據聚類結果包括：

根據密度峰值聚類算法和所述最近密度更高點距離，將其他所述待聚類數據分配至所述最終聚類中心所在的聚類簇中，數據聚類結果包括所述聚類簇。