[发明专利]互联网数据流的分类方法及装置

权利要求书

1.一种互联网数据流的分类方法，其特征在于，包括：

根据分类需求提取待分类数据流的特征数据；

计算所述特征数据与各个簇中心的相异性指标，所述簇中心是对特征训练集中的训练数据进行聚类后形成的，所述相异性指标用于表征所述特征数据与簇中心之间的特征差异程度；

如果所述特征数据与所述各个簇中心中的一个簇中心之间的相异性指标小于预设阈值，则确定所述待分类数据流属于该簇中心所代表的分类。

2.根据权利要求1所述的方法，其特征在于，在所述根据分类需求提取待分类数据流的特征数据之后，所述方法还包括：

对提取到的特征数据进行预处理。

3.根据权利要求2所述的方法，其特征在于，所述对提取到的特征数据进行预处理，具体包括：

将提取到的特征数据中的异常数据以及噪点数据进行清理；和/或，

将提取到的特征数据区间化；和/或，

将提取到的特征数据映射到相同的数据空间。

4.根据权利要求1或2所述的方法，其特征在于，在所述根据分类需求提取待分类数据流的特征数据之前，所述方法还包括：

提取所述特征训练集中的训练数据的特征数据，并采用机器学习的无监督算法对所述训练数据的特征数据进行训练，在特征空间中形成各个簇中心。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述方法还包括：

将分类后的数据流的特征数据和/或无法分类的数据流的特征数据以补充数据的形式对原有的簇中心进行再训练，形成新的簇中心。

6.一种互联网数据流的分类装置，其特征在于，包括：

提取模块，用于根据分类需求提取待分类数据流的特征数据；

计算模块，用于从提取模块获得所述特征数据，并计算所述特征数据与各个簇中心的相异性指标，将得到的相异性指标发送给分类模块，所述簇中心是对特征训练集中的训练数据进行聚类后形成的，所述相异性指标用于表征所述特征数据与簇中心之间的特征差异程度；

分类模块，用于接收计算模块发送的相异性指标，当所述特征数据与所 述各个簇中心中的一个簇中心之间的相异性指标小于预设阈值时，将所述待分类数据流确定为属于该簇中心所代表的分类。

7.根据权利要求6所述的装置，其特征在于，还包括：

预处理模块，用于从所述提取模块中获得所述特征数据，对所述特征数据进行预处理，并将预处理后的特征数据发送给所述计算模块。

8.根据权利要求7所述的装置，其特征在于，所述预处理模块具体用于，

将所述特征数据中的异常数据以及噪点数据进行清理；和/或，

将所述特征数据进行区间化；和/或，

将所述特征数据映射到相同的数据空间。

9.根据权利要求6或7所述的装置，其特征在于，还包括：

训练模块，用于提取所述特征训练集中的训练数据的特征数据，并采用机器学习的无监督算法对所述训练数据的特征数据进行训练，在特征空间中形成各个簇中心；

相应的，所述计算模块还用于从所述训练模块中获得各个簇中心。

10.根据权利要求6-9任一项所述的装置，其特征在于，所述训练模块还用于：将分类后的数据流的特征数据和/或无法分类的数据流的特征数据以补充数据的形式对原有的簇中心进行再训练，形成新的簇中心。