[發(fā)明專利]基于KMeans的跨特征聯(lián)邦聚類方法及相關(guān)設(shè)備

在審

• 申請(qǐng)?zhí)枺?/td>: 202110969477.0
• 申請(qǐng)日: 2021-08-23
• 公開(kāi)（公告）號(hào): CN113657525A
• 公開(kāi)（公告）日: 2021-11-16
• 發(fā)明（設(shè)計(jì)）人: 朱帆;孟丹;李宏宇;李曉林
• 申請(qǐng)（專利權(quán)）人: 同盾科技有限公司;同盾控股有限公司
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06F21/62
• 代理公司: 北京律智知識(shí)產(chǎn)權(quán)代理有限公司 11438
• 代理人: 王輝;闞梓瑄

1.一種基于Kmeans的跨特征聯(lián)邦聚類方法，其特征在于，所述聯(lián)邦包括多個(gè)參與方，和至少一個(gè)協(xié)調(diào)方，應(yīng)用于所述協(xié)調(diào)方，所述方法包括：

接收各個(gè)參與方發(fā)送的第一距離，其中，所述第一距離為樣本對(duì)象在參與方本地存儲(chǔ)的特征數(shù)據(jù)與所述參與方的聚類中心之間的距離；

結(jié)合各個(gè)所述參與方的第一距離，確定所述樣本對(duì)象與各個(gè)聚類中心的聯(lián)邦距離；

根據(jù)所述聯(lián)邦距離更新所述樣本對(duì)象的聚類標(biāo)簽；

將所述聚類標(biāo)簽返回至各個(gè)參與方，以使所述參與方對(duì)本地存儲(chǔ)的特征數(shù)據(jù)進(jìn)行聚類。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述參與方的聚類中心的初始值為所述參與方本地存儲(chǔ)的目標(biāo)樣本的特征數(shù)據(jù)，其中，所述目標(biāo)樣本為所述參與方本地存儲(chǔ)的一個(gè)樣本對(duì)象。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，結(jié)合各個(gè)所述參與方的第一距離，確定所述樣本對(duì)象與各個(gè)聚類中心的聯(lián)邦距離包括：

針對(duì)同一聚類中心，根據(jù)所述樣本對(duì)象的樣本標(biāo)識(shí)將所述樣本對(duì)象在各個(gè)參與方中與該所述聚類中心的第一距離進(jìn)行加和，得到所述樣本對(duì)象與該所述聚類中心的聯(lián)邦距離；其中，

所述各個(gè)參與方中，對(duì)應(yīng)的所述樣本標(biāo)識(shí)相同的聚類中心為同一聚類中心。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述聯(lián)邦距離確定所述樣本對(duì)象的聚類標(biāo)簽包括；

根據(jù)所述樣本對(duì)象與各個(gè)聚類中心的聯(lián)邦距離中的最小值，確定所述樣本對(duì)象對(duì)應(yīng)的目標(biāo)聚類中心；

將所述目標(biāo)聚類中心對(duì)應(yīng)的目標(biāo)樣本標(biāo)識(shí)作為所述樣本對(duì)象的聚類標(biāo)簽。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述將所述聚類標(biāo)簽返回至各個(gè)參與方，以使所述參與方對(duì)本地存儲(chǔ)的特征數(shù)據(jù)進(jìn)行聚類之后，還包括：

接收各個(gè)所述參與方發(fā)送的偏移量，其中，所述偏移量為所述參與方進(jìn)行聚類之后的類簇的新聚類中心與聚類之前的所述聚類中心之間的距離；

根據(jù)各個(gè)所述參與方發(fā)送的偏移量，計(jì)算每一類簇的聯(lián)邦偏移量；

根據(jù)所述每一類簇的聯(lián)邦偏移量確定是否繼續(xù)聚類，若繼續(xù)聚類則基于當(dāng)前的類簇更新所述樣本對(duì)象的聚類標(biāo)簽。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述每一類簇的聯(lián)邦偏移量確定是否繼續(xù)聚類包括：

將所述每一類簇的聯(lián)邦偏移量發(fā)送至各個(gè)參與方，以使所述參與方確定是否繼續(xù)聚類。

7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括：

記錄當(dāng)前的聚類次數(shù)；

當(dāng)所述聚類次數(shù)超過(guò)預(yù)定迭代次數(shù)時(shí)，結(jié)束聚類；

當(dāng)所述聚類次數(shù)未超過(guò)所述預(yù)定迭代次數(shù)時(shí)，繼續(xù)聚類。

8.根據(jù)權(quán)利要求1-7任一項(xiàng)所述的方法，其特征在于，所述將所述聚類標(biāo)簽返回至各個(gè)參與方，以使所述參與方對(duì)本地存儲(chǔ)的特征數(shù)據(jù)進(jìn)行聚類之后，還包括：

獲取參與方計(jì)算的樣本對(duì)象對(duì)應(yīng)的類內(nèi)距離和類間距離；

結(jié)合各個(gè)參與方的同一樣本對(duì)象的所述類內(nèi)距離和所述類間距離計(jì)算聚類評(píng)價(jià)指標(biāo)，并返回至所述參與方。

9.一種基于Kmeans的跨特征聯(lián)邦聚類方法，其特征在于，所述知識(shí)聯(lián)邦包括多個(gè)參與方，和至少一個(gè)協(xié)調(diào)方，應(yīng)用于所述參與方，所述方法包括：

從本地存儲(chǔ)的特征數(shù)據(jù)中確定聚類中心的初始值；

計(jì)算樣本對(duì)象對(duì)應(yīng)的本地存儲(chǔ)的特征數(shù)據(jù)分別與各個(gè)所述聚類中心的第一距離；

將所述第一距離發(fā)送至所述協(xié)調(diào)方，通過(guò)所述協(xié)調(diào)方確定所述特征數(shù)據(jù)的聚類標(biāo)簽，以對(duì)所述樣本對(duì)象進(jìn)行聚類。

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述從本地存儲(chǔ)的特征數(shù)據(jù)中確定聚類中心的初始值包括：

隨機(jī)確定一組目標(biāo)樣本標(biāo)識(shí)，將所述目標(biāo)樣本標(biāo)識(shí)對(duì)應(yīng)的特征數(shù)據(jù)作為所述聚類中心，并將所述目標(biāo)樣本標(biāo)識(shí)發(fā)送至其他參與方，以使其他參與方確定各自的聚類中心的初始值。