[發(fā)明專利]數(shù)據(jù)聚類方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)

有效

• 申請(qǐng)?zhí)枺?/td>: 201910461454.1
• 申請(qǐng)日: 2019-05-30
• 公開(kāi)（公告）號(hào): CN110263825B
• 公開(kāi)（公告）日: 2022-05-10
• 發(fā)明（設(shè)計(jì)）人: 李肯立;肖娜;周旭;陳建國(guó);肖國(guó)慶;李克勤
• 申請(qǐng)（專利權(quán)）人: 湖南大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 華進(jìn)聯(lián)合專利商標(biāo)代理有限公司 44224
• 代理人: 黃曉慶;黃晶晶

本申請(qǐng)涉及一種數(shù)據(jù)聚類方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。所述方法包括：根據(jù)待聚類數(shù)據(jù)的密度值、最近密度更高點(diǎn)距離和最近種子距離，從待聚類數(shù)據(jù)中確定聚類種子；基于聚類種子對(duì)待聚類數(shù)據(jù)進(jìn)行均值聚類，得到聚類初始簇；根據(jù)待聚類數(shù)據(jù)在對(duì)應(yīng)的聚類初始簇中的覆蓋點(diǎn)數(shù)，和最近密度更高點(diǎn)距離，確定聚類初始簇的最終聚類中心；基于最終聚類中心對(duì)待聚類數(shù)據(jù)進(jìn)行密度峰值聚類，得到數(shù)據(jù)聚類結(jié)果。采用本方法能夠提高整體數(shù)據(jù)聚類效果。

技術(shù)領(lǐng)域

本申請(qǐng)涉及計(jì)算機(jī)技術(shù)領(lǐng)域，特別是涉及一種數(shù)據(jù)聚類方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的發(fā)展，數(shù)據(jù)庫(kù)應(yīng)用的規(guī)模、范圍和深度的不斷擴(kuò)大,導(dǎo)致積累了大量的數(shù)據(jù)，對(duì)數(shù)據(jù)進(jìn)行分析的數(shù)據(jù)聚類技術(shù)，在機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、模式識(shí)別、圖像分析以及生物信息等領(lǐng)域得到廣泛的應(yīng)用。數(shù)據(jù)聚類是一種典型的無(wú)監(jiān)督學(xué)習(xí)任務(wù)，其主要目的是將一個(gè)數(shù)據(jù)的集合分為若干個(gè)不相交的子集或簇，使得同一個(gè)子集或簇中的數(shù)據(jù)相似度高，不同子集或簇中的數(shù)據(jù)相似度低。當(dāng)前，已經(jīng)有許多聚類算法先后被提出來(lái)，如基于分區(qū)的聚類算法、基于層次的聚類算法、基于密度的聚類算法、基于網(wǎng)格的聚類算法和基于圖的聚類算法等。

然而，目前基于不同的聚類策略的各種數(shù)據(jù)聚類方法，總表現(xiàn)出明顯的優(yōu)勢(shì)和劣勢(shì)，如可以聚類任意形狀簇時(shí)，存在聚類參數(shù)選擇的困難或需要手動(dòng)選取聚類中心，導(dǎo)致處理效率低；而在處理效率高時(shí)，通常無(wú)法發(fā)現(xiàn)形狀和大小差異非常大的簇，導(dǎo)致整體聚類效果有限。

發(fā)明內(nèi)容

基于此，有必要針對(duì)上述技術(shù)問(wèn)題，提供一種能夠提高整體數(shù)據(jù)聚類效果的數(shù)據(jù)聚類方法、裝置、計(jì)算機(jī)設(shè)備和存儲(chǔ)介質(zhì)。

一種數(shù)據(jù)聚類方法，所述方法包括：

根據(jù)待聚類數(shù)據(jù)的密度值、最近密度更高點(diǎn)距離和最近種子距離，從待聚類數(shù)據(jù)中確定聚類種子；

基于聚類種子對(duì)待聚類數(shù)據(jù)進(jìn)行均值聚類，得到聚類初始簇；

根據(jù)待聚類數(shù)據(jù)在對(duì)應(yīng)的聚類初始簇中的覆蓋點(diǎn)數(shù)，和最近密度更高點(diǎn)距離，確定聚類初始簇的最終聚類中心；

基于最終聚類中心對(duì)待聚類數(shù)據(jù)進(jìn)行密度峰值聚類，得到數(shù)據(jù)聚類結(jié)果。

在其中一個(gè)實(shí)施例中，根據(jù)待聚類數(shù)據(jù)的密度值、最近密度更高點(diǎn)距離和最近種子距離，從待聚類數(shù)據(jù)中確定聚類種子包括：

確定各待聚類數(shù)據(jù)的密度值和最近密度更高點(diǎn)距離，并根據(jù)密度值初始化聚類種子表；

確定各待聚類數(shù)據(jù)與聚類種子表中各種子之間的最近種子距離；

根據(jù)密度值、最近密度更高點(diǎn)距離和最近種子距離，從待聚類數(shù)據(jù)中確定更新種子，并將更新種子加入聚類種子表中；

當(dāng)聚類種子表中的種子數(shù)量不滿足預(yù)設(shè)種子數(shù)量閾值時(shí)，返回確定各待聚類數(shù)據(jù)與聚類種子表中各種子之間的最近種子距離的步驟；否則，從聚類種子表中獲取聚類種子。

在其中一個(gè)實(shí)施例中，根據(jù)密度值初始化聚類種子表包括：將密度值最大的待聚類數(shù)據(jù)作為初始化種子，并將初始化種子加入聚類種子表中。

在其中一個(gè)實(shí)施例中，根據(jù)密度值、最近密度更高點(diǎn)距離和最近種子距離，從待聚類數(shù)據(jù)中確定更新種子包括：

根據(jù)密度值、最近密度更高點(diǎn)距離和最近種子距離的積，得到各待聚類數(shù)據(jù)的種子候選參數(shù)；

將種子候選參數(shù)最大的待聚類數(shù)據(jù)作為更新種子。

在其中一個(gè)實(shí)施例中，基于聚類種子對(duì)待聚類數(shù)據(jù)進(jìn)行均值聚類，得到聚類初始簇包括：

根據(jù)K均值聚類算法和聚類種子，對(duì)待聚類數(shù)據(jù)進(jìn)行均值聚類，得到聚類初始簇。