[发明专利]一种数据聚类方法和装置

说明书

本发明提供了一种数据聚类的方法和装置，其中方法包括：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。本发明不受期望类别个数的限制，根据数据点的实际分布状况进行聚类，降低了人为因素的干扰，提高了聚类结果的准确性，另外无需额外对各类别进行分裂处理，降低了计算量的消耗和计算耗时。

【技术领域】

本发明涉及计算机应用技术领域，特别涉及一种数据聚类方法和装置。

【背景技术】

在大数据时代，如何对海量的数据进行分析和利用已经成为各服务商的重点方向之一。在进行数据分析的过程中，常常会遇到对数据进行聚类的问题，例如对用户数据进行聚类，然后利用聚类后得到的用户数据类别对用户提供更有针对性、更个性化或更人性化的服务。

目前主要采用的聚类方法主要包括以下过程：首先确定聚类期望类别数K、一个聚类的最少样本数、标准偏差控制参数、类间距离控制参数、每次迭代允许合并的最大聚类对数等控制参数；然后按照预设的聚类中心对数据进行聚类；聚类完成后计算各分配的标准偏差、所有数据偏离均值的平均距离，根据预设的合并和分裂策略，对聚类得到的类进行合并和分裂；判断是否达到终止条件，如果达到终止条件，则结束聚类过程。

然而，上述的聚类方法存在以下缺陷：

1)由于需要预先设定聚类期望类别数K，并且该K为最小类别数，一方面K值的确定比较困难，大部分用户都不能确定什么样的K值比较合适；另一方面会造成最终的聚类结果受到人为因素的干扰，聚类结果的准确性较差。

2)这种聚类方式需要进行类别的分裂，无论是计算量还是计算耗时都较大。

【发明内容】

有鉴于此，本发明提供了一种数据聚类的方法和装置，以便于降低人为因素的干扰，提高聚类结果的准确性。

具体技术方案如下：

本发明提供了一种数据聚类的方法，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。

根据本发明一优选实施方式，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。

根据本发明一优选实施方式，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。

根据本发明一优选实施方式，所述突变距离包括：

预设的经验值；或者，