[發(fā)明專利]一種聚類方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請?zhí)枺?/td>: 202110363314.8
• 申請日: 2021-04-02
• 公開（公告）號: CN113065597A
• 公開（公告）日: 2021-07-02
• 發(fā)明（設(shè)計(jì)）人: 吳志彪
• 申請（專利權(quán)）人: 北京京東拓先科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實(shí)施例公開了一種聚類方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。該方法包括：獲取待處理數(shù)據(jù)集，并基于預(yù)設(shè)排序算法對所述待處理數(shù)據(jù)集中的待處理數(shù)據(jù)進(jìn)行排序，得到排序數(shù)據(jù)集；將所述排序數(shù)據(jù)集中滿足預(yù)設(shè)選取規(guī)則的待處理數(shù)據(jù)作為目標(biāo)待處理數(shù)據(jù)，并根據(jù)所述排序數(shù)據(jù)集中各待處理數(shù)據(jù)對應(yīng)的排序結(jié)果，確定與所述目標(biāo)待處理數(shù)據(jù)對應(yīng)的鄰域待處理數(shù)據(jù)；如果所述鄰域待處理數(shù)據(jù)的數(shù)量超過預(yù)設(shè)密度閾值，則將所述目標(biāo)待處理數(shù)據(jù)作為核心數(shù)據(jù)，并基于所述核心數(shù)據(jù)和所述鄰域待處理數(shù)據(jù)，確定聚類數(shù)據(jù)集。本發(fā)明實(shí)施例解決了線性掃描方法搜索域大的問題，降低了算法的空間復(fù)雜度，提高了算法執(zhí)行效率。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及樣本聚類技術(shù)領(lǐng)域，尤其涉及一種聚類方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

聚類分析算法是研究樣品或指標(biāo)分類問題的一種統(tǒng)計(jì)分析方法，同時(shí)也是用于數(shù)據(jù)挖掘的一種重要算法。聚類算法需要對事先未定義類別的一組數(shù)據(jù)集進(jìn)行分類得到類型簇，保證一個(gè)類型簇中的數(shù)據(jù)點(diǎn)之間存在相似性，不同類型簇中的數(shù)據(jù)點(diǎn)之間存在差異性。

現(xiàn)有聚類算法大多通過計(jì)算數(shù)據(jù)點(diǎn)之間的距離對數(shù)據(jù)點(diǎn)進(jìn)行分類，將距離滿足預(yù)設(shè)距離閾值的至少一個(gè)數(shù)據(jù)點(diǎn)作為一個(gè)類型簇。計(jì)算數(shù)據(jù)點(diǎn)之間的距離主要采用線性掃描法和構(gòu)建數(shù)據(jù)索引法兩種方法。

在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下技術(shù)問題：

線性掃描方法需要通過窮舉搜索數(shù)據(jù)集中每個(gè)數(shù)據(jù)點(diǎn)到當(dāng)前數(shù)據(jù)點(diǎn)之間的距離，當(dāng)數(shù)據(jù)集較大時(shí)會(huì)大大提高計(jì)算成本和降低計(jì)算效率。構(gòu)建數(shù)據(jù)索引方法中索引樹的構(gòu)建算法復(fù)雜，增加了聚類算法的空間復(fù)雜度。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種聚類方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，以降低聚類算法的搜索域以及空間復(fù)雜度，提高聚類算法的執(zhí)行效率。

第一方面，本發(fā)明實(shí)施例提供了一種聚類方法，該方法包括：

獲取待處理數(shù)據(jù)集，并基于預(yù)設(shè)排序算法對所述待處理數(shù)據(jù)集中的待處理數(shù)據(jù)進(jìn)行排序，得到排序數(shù)據(jù)集；

將所述排序數(shù)據(jù)集中滿足預(yù)設(shè)選取規(guī)則的待處理數(shù)據(jù)作為目標(biāo)待處理數(shù)據(jù)，并根據(jù)所述排序數(shù)據(jù)集中各待處理數(shù)據(jù)對應(yīng)的排序結(jié)果，確定與所述目標(biāo)待處理數(shù)據(jù)對應(yīng)的鄰域待處理數(shù)據(jù)；其中，所述鄰域待處理數(shù)據(jù)與所述目標(biāo)待處理數(shù)據(jù)之間的數(shù)據(jù)距離小于預(yù)設(shè)半徑；

如果所述鄰域待處理數(shù)據(jù)的數(shù)量超過預(yù)設(shè)密度閾值，則將所述目標(biāo)待處理數(shù)據(jù)作為核心數(shù)據(jù)，并基于所述核心數(shù)據(jù)和所述鄰域待處理數(shù)據(jù)，確定聚類數(shù)據(jù)集。

第二方面，本發(fā)明實(shí)施例還提供了一種聚類裝置，該裝置包括：

排序數(shù)據(jù)集確定模塊，用于獲取待處理數(shù)據(jù)集，并基于預(yù)設(shè)排序算法對所述待處理數(shù)據(jù)集中的待處理數(shù)據(jù)進(jìn)行排序，得到排序數(shù)據(jù)集；

鄰域待處理數(shù)據(jù)確定模塊，用于將所述排序數(shù)據(jù)集中滿足預(yù)設(shè)選取規(guī)則的待處理數(shù)據(jù)作為目標(biāo)待處理數(shù)據(jù)，并根據(jù)所述排序數(shù)據(jù)集中各待處理數(shù)據(jù)對應(yīng)的排序結(jié)果，確定與所述目標(biāo)待處理數(shù)據(jù)對應(yīng)的鄰域待處理數(shù)據(jù)；其中，所述鄰域待處理數(shù)據(jù)與所述目標(biāo)待處理數(shù)據(jù)之間的數(shù)據(jù)距離小于預(yù)設(shè)半徑；

聚類數(shù)據(jù)集確定模塊，用于如果所述鄰域待處理數(shù)據(jù)的數(shù)量超過預(yù)設(shè)密度閾值，則將所述目標(biāo)待處理數(shù)據(jù)作為核心數(shù)據(jù)，并基于所述核心數(shù)據(jù)和所述鄰域待處理數(shù)據(jù)，確定聚類數(shù)據(jù)集。

第三方面，本發(fā)明實(shí)施例還提供了一種電子設(shè)備，該電子設(shè)備包括：

一個(gè)或多個(gè)處理器；

存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)程序；

當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行時(shí)，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)上述所涉及的任一所述的聚類方法。