[發(fā)明專利]基于密度峰值的數(shù)據(jù)聚類方法、裝置、介質(zhì)

在審

• 申請?zhí)枺?/td>: 202210505924.1
• 申請日: 2022-05-10
• 公開（公告）號: CN115205566A
• 公開（公告）日: 2022-10-18
• 發(fā)明（設(shè)計）人: 安俊秀;馬振明;靳宇倡
• 申請（專利權(quán)）人: 成都信息工程大學(xué)
• 主分類號: G06V10/762
• 分類號: G06V10/762;G06V10/764;G06V10/74;G06K9/62
• 代理公司: 北京元本知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11308
• 代理人: 曹廣生

本發(fā)明公開了一種基于密度峰值的數(shù)據(jù)聚類方法、裝置、介質(zhì)，利用直接下級描述各個數(shù)據(jù)點的相對密度，其中數(shù)據(jù)點是數(shù)據(jù)集中的圖片或者詞語特征，設(shè)計結(jié)合相對密度和絕對密度的混合密度值識別聚類中心，并通過相似性可達定義有效下級，進行非中心點的主要分配，并結(jié)合不同簇的k層上級分布，確定剩余點的標(biāo)簽，以此可以有效將數(shù)據(jù)集中相同類別的數(shù)據(jù)點聚集在一個類別下，高效準(zhǔn)確地完成了對數(shù)據(jù)集的分類。

技術(shù)領(lǐng)域

本發(fā)明屬于聚類分析技術(shù)領(lǐng)域，具體的說，涉及一種基于密度峰值的數(shù)據(jù) 聚類方法、裝置、介質(zhì)。

背景技術(shù)

聚類分析是一種無監(jiān)督學(xué)習(xí)的機器學(xué)習(xí)方法，它按照數(shù)據(jù)間的相似性將數(shù) 據(jù)分配到不同的集合中，使得同一集合內(nèi)的樣本點相似性較高，不同集合間的 樣本點的相似度較低，這些集合稱為簇。現(xiàn)有的聚類方法根據(jù)對相似性的不同 理解可以劃分為不同的類別，典型的有基于距離的方法和基于密度的方法。 Rodriguez和Laio在2014年提出通過快速搜索和查找密度峰值的聚類方法 (Clustering by Fast Search and Find of DensityPeaks,DPC)，是一種流行的基于密 度的聚類方法，DPC是基于兩個假設(shè)提出的，第一個假設(shè)為聚類中心是局部密 度峰值，第二個假設(shè)為非聚類中心點應(yīng)與其高密度最近鄰在同一個集群中,由于 DPC簡單高效，已廣泛應(yīng)用于圖像處理、信息安全、大數(shù)據(jù)等領(lǐng)域。例如，對 于一個圖像集，將圖像集中的相似圖片聚類到一個類別下。但DPC存在以下缺 點：首先，初始聚類中心的選擇是手動的，這在某些情況下是極其困難的，甚 至是不可能的。其次僅考慮絕對密度而忽略了相對密度，導(dǎo)致方法不能很好的 處理密度不均勻的集群。最后，DPC的剩余點分配策略將導(dǎo)致“連鎖反應(yīng)”，即 當(dāng)一個高密度點被分配到錯誤的簇中，它的密度較低的鄰居很可能別分配到同 一個錯誤的簇中。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服背景技術(shù)所提出的技術(shù)問題，提出了一種基于密度 峰值的數(shù)據(jù)聚類方法、裝置、介質(zhì)，從假設(shè)與實現(xiàn)間的不一致出發(fā)和假設(shè)的不 適用性出發(fā)。利用直接下級描述各個數(shù)據(jù)點的相對密度，設(shè)計結(jié)合相對密度和 絕對密度的混合密度值識別聚類中心，并通過相似性可達定義有效下級，進行 非中心點的主要分配，并結(jié)合不同簇的k層上級分布，確定剩余點的標(biāo)簽，以 此可以有效將數(shù)據(jù)集中相同類別的數(shù)據(jù)點聚集在一個類別下，高效準(zhǔn)確地完成 了對數(shù)據(jù)集的分類。

本發(fā)明的具體技術(shù)方案如下：

根據(jù)本發(fā)明的第一技術(shù)方案，提供了一種結(jié)合混合密度和局部結(jié)構(gòu)的基于 密度峰值的數(shù)據(jù)聚類方法，所述方法包括：

獲取數(shù)據(jù)集，所述數(shù)據(jù)集是文本集或圖像集，當(dāng)所述數(shù)據(jù)集是文本集時， 提取所述文本集中的詞語特征，將詞語特征作為數(shù)據(jù)點，當(dāng)所述數(shù)據(jù)集是圖像 集時，將所述圖像集中的圖片作為數(shù)據(jù)點，計算每個數(shù)據(jù)點的絕對密度；通過 每個數(shù)據(jù)點的絕對密度排序得到數(shù)據(jù)點的高密度最近鄰，利用數(shù)據(jù)點的直接下 級數(shù)目作為數(shù)據(jù)點的相對密度值；根據(jù)相對密度結(jié)合絕對密度表達混合密度以 確定混合密度聚類中心；通過如下公式(9)將混合密度聚類中心利用有效下級 關(guān)系逐步分配：

其中，L(x_i)表示數(shù)據(jù)點x_i的標(biāo)簽，Ll(x_j)表示數(shù)據(jù)點x_j的直接下級集合， DR(x_j)表示數(shù)據(jù)點x_j的相似性可達點的集合。

根據(jù)本發(fā)明的第二技術(shù)方案，提供了一種結(jié)合混合密度和局部結(jié)構(gòu)的基于 密度峰值的數(shù)據(jù)聚類裝置。所述裝置包括處理器，所述處理器被配置為：獲取 數(shù)據(jù)集，所述數(shù)據(jù)集是文本集或圖像集，當(dāng)所述數(shù)據(jù)集是文本集時，提取所述 文本集中的詞語特征，將詞語特征作為數(shù)據(jù)點，當(dāng)所述數(shù)據(jù)集是圖像集時，將 所述圖像集中的圖片作為數(shù)據(jù)點，計算每個數(shù)據(jù)點的絕對密度；通過每個數(shù)據(jù) 點的絕對密度排序得到數(shù)據(jù)點的高密度最近鄰，利用數(shù)據(jù)點的直接下級數(shù)目作 為數(shù)據(jù)點的相對密度值；根據(jù)相對密度結(jié)合絕對密度表達混合密度以確定混合 密度聚類中心；通過如下公式(9)將混合密度聚類中心利用有效下級關(guān)系逐步 分配：