[发明专利]一种数据聚类方法和装置

权利要求书

1.一种数据聚类的方法，应用于用户分类，由计算机或处理器执行，其特征在于，该方法包括：

获取待聚类的数据点集合；

逐一将各数据点作为当前数据点执行以下聚类处理，得到各类别：

判断是否当前已聚类的数据点中已经存在所述数据点集合中距离当前数据点最近的数据点，如果是，则将当前数据点归入所述距离当前数据点最近的数据点所在的类别；否则，将当前数据点单独作为一个类别，结束对当前数据点的聚类处理；

其中所述数据点为用户数据点，数据点之间的距离为各用户数据点对应的特征向量的距离，所述用户数据点对应的特征向量包括针对用户提取的用户属性和/或行为特征。

2.根据权利要求1所述的方法，其特征在于，在所述将当前数据点归入所述距离当前数据点最近的数据点所在的类别之前，进一步包括：

判断所述距离当前数据点最近的数据点与当前数据点是否满足突变条件，如果否，则继续执行所述将当前数据点归入所述距离当前数据点最近的数据点所在的类别的步骤；如果是，则将当前数据点单独作为一个类别，结束对当前数据点的聚类处理。

3.根据权利要求2所述的方法，其特征在于，所述突变条件包括：

R_x-y大于或等于突变距离；或者，

R_x-y＞R_y-z并且R_x-y大于或等于突变距离；

其中，R_x-y为当前数据点x与距离当前数据点x最近的数据点y之间的距离，R_y-z为数据点y与距离数据点y最近的数据点z之间的距离。

4.根据权利要求3所述的方法，其特征在于，所述突变距离包括：

预设的经验值；或者，

所述数据点集合中在预设排次的数据点距离基准点的距离；或者，

所述当前数据点距离基准点的距离乘以预设比例值得到的距离。

5.根据权利要求4所述的方法，其特征在于，所述预设排次包括在十分之一处的排次；

所述预设比例值为十分之一。

6.根据权利要求1所述的方法，其特征在于，在所述聚类处理之后，还包括：分别对各类别进行两两的合并判别，如果判别出两个类别需要进行合并，则将两个类别合并成一个类别，合并后得到的类别继续参与所述对各类别进行两两的合并判别的处理。

7.根据权利要求6所述的方法，其特征在于，所述合并判别包括：

判断是否如果是，则将类别a和类别b合并成一个类别；或者，

判断是否并且如果是，则将类别a和类别b合并成一个类别；或者，

判断是否并且如果是，则将类别a和类别b合并成一个类别；

其中，所述R_a-b为类别a和类别b之间数据点的最近距离，S_a为类别a中距离类别b最近的数据点与基准点之间的距离，S_b为类别b中距离类别a最近的数据点与基准点之间的距离，max(S_a,S_b)为S_a和S_b中的最大值，h₁和h₂分别为类别a的中心点距离基准点的距离和类别b的中心点距离基准点的距离，max(h₁,h₂)为h₁和h₂中的最大值，k为类别a和类别b中中心点距离基准点近的类别的直径，m为类别a和类别b中中心点距离基准点远的类别中，各数据点与距离其最近的数据点之间的距离平均值，θ₁、θ₂和θ₃分别取试验值。

8.根据权利要求7所述的方法，其特征在于，所述θ₁、θ₂和θ₃分别取0.1、0.8和0.8。