[發明專利]密度不均勻數據聚類方法、裝置、電子設備及存儲介質

在審

• 申請號: 202210801364.4
• 申請日: 2022-07-08
• 公開（公告）號: CN115130602A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 唐亮;張繼東;呂超;吳風蛟
• 申請（專利權）人: 天翼數字生活科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 黃忠

1.一種密度不均勻數據聚類方法，其特征在于，包括：

獲取包含多個數據對象的數據集；

計算所述數據集中兩兩數據對象之間的距離，并采用所有所述距離建立KNN矩陣；

將所述數據集劃分為多個密度集合，并根據所述密度集合計算所述KNN矩陣中每一列的聚類效果指數；

將數值最大的聚類效果指數對應的列序號確定為最小聚類點數；

計算每個所述密度集合的鄰域半徑；

采用所述最小聚類點數和所述鄰域半徑對相應的密度集合進行局部聚類，得到聚類結果；

輸出所有所述聚類結果。

2.根據權利要求1所述的方法，其特征在于，所述計算所述數據集中兩兩數據對象之間的距離，并采用所有所述距離建立KNN矩陣的步驟，包括：

計算所述數據集中兩兩數據對象之間的距離；

采用所有所述距離生成距離矩陣；

對所述距離矩陣中的每一列進行升序排列，得到調整距離矩陣；

將所述調整距離矩陣進行轉置，生成KNN矩陣。

3.根據權利要求1所述的方法，其特征在于，所述將所述數據集劃分為多個密度集合，并根據所述密度集合計算所述KNN矩陣中每一列的聚類效果指數的步驟，包括：

計算所述KNN矩陣中每一列的密度變化序列；

計算每個所述密度變化序列的跳變閾值；

根據所述跳變閾值將所述數據集劃分為多個密度集合；

根據所述密度集合計算所述KNN矩陣中每一列的聚類效果指數。

4.根據權利要求3所述的方法，其特征在于，所述根據所述跳變閾值將所述數據集劃分為多個密度集合的步驟，包括：

將跳變閾值處于同一區間范圍的密度變化序列劃分到同一個密度集合，得到多個密度集合。

5.根據權利要求3所述的方法，其特征在于，所述根據所述密度集合計算所述KNN矩陣中每一列的聚類效果指數的步驟，包括：

根據所述密度集合確定所述KNN矩陣中每一列的斷點；

分別計算所述KNN矩陣中每一列的所有斷點的斷點曲線增長距離；

根據所述KNN矩陣中每一列的所有斷點的曲線增長距離，分別計算所述KNN矩陣中每一列的總斷點曲線增長距離；

計算所述KNN矩陣中每一列的總曲線增長距離；

根據所述總斷點曲線增長距離和所述總曲線增長距離，計算所述KNN矩陣中每一列的聚類效果指數。

6.根據權利要求1所述的方法，其特征在于，所述計算每個所述密度集合的鄰域半徑的步驟，包括：

分別計算每個所述密度集合中所有數據對象間的距離的平均值；

分別獲取每個所述密度集合的所有數據對象間的距離的最大值和中位數；

采用所述平均值、所述最大值和所述中位數，計算對應的密度集合的鄰域半徑。

7.一種密度不均勻數據聚類裝置，其特征在于，包括：

數據集獲取模塊，用于獲取包含多個數據對象的數據集；

KNN矩陣建立模塊，用于計算所述數據集中兩兩數據對象之間的距離，并采用所有所述距離建立KNN矩陣；

聚類效果指數計算模塊，用于將所述數據集劃分為多個密度集合，并根據所述密度集合計算所述KNN矩陣中每一列的聚類效果指數；

最小聚類點數確定模塊，用于將數值最大的聚類效果指數對應的列序號確定為最小聚類點數；

鄰域半徑計算模塊，用于計算每個所述密度集合的鄰域半徑；

局部聚類模塊，用于采用所述最小聚類點數和所述鄰域半徑對相應的密度集合進行局部聚類，得到聚類結果；

聚類結果輸出模塊，用于輸出所有所述聚類結果。