[发明专利]基于K-Means算法的数据聚类方法和装置

说明书

本发明公开了一种基于K‑Means算法的数据聚类方法和装置，属于计算机技术领域。方法包括：聚类服务器接收聚类请求，所述聚类请求包括最大计算量、类别数量K和待聚类的数据集；聚类服务器根据最大计算量，确定最大计算量对应的调整因子；并从数据集中随机选择一个数据；聚类服务器根据调整因子和随机选择的数据，从数据集中选择K‑1个数据，随机选择的数据和K‑1个数据构成数据集的K个初始聚类中心；聚类服务器根据这K个初始聚类中心，对数据集中的N个数据进行聚类。本发明可以根据最大计算量自动调整聚类效率，从而可以提高聚类效率。

技术领域

本发明涉及计算机技术领域，特别涉及一种基于K-Means算法的数据聚类方法和装置。

背景技术

K-Means算法是最为经典的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，这两个对象相似度就越大。

基于K-means算法对数据进行聚类的过程可以为：将待分类的数据组成一个数据集以及指定所要分成的类别数目K，从数据集中随机选择K个数据作为K个类别的初始聚类中心，对于数据集中除K个初始聚类中心之外的每个数据，分别计算该数据与K个初始聚类中心中的每个初始聚类中心之间的距离，并将该数据归到与该数据距离最近的初始聚类中心对应的类别中，然后根据K个类别中包括的数据，重新计算K个类别的新的聚类中心，然后将数据集中的数据重新进行分类，直到K个类别中的每个类别的相邻两次聚类中心之间的距离在预设距离内。

现有技术至少存在如下技术问题：

由于K个类别的初始聚类中心是随机选择的，因此，当K较大和/或数据集中包括的数据较多，计算量会增大，导致聚类效率低。

发明内容

为了解决现有技术的问题，本发明提供了一种基于K-Means算法的数据聚类方法和装置。技术方案如下：

本发明的第一方面，提供了一种计算设备，所述计算设备用于将待处理的数据集包括的N个数据聚类至K个类别中，所述N为大于K的整数，所述K为预设的类别数量且为大于或等于2的整数，K个类别中的每个类别对应一个初始聚类中心；所述计算设备包括通信接口、处理器和存储器，所述通信接口分别与所述处理器和存储器建立通信连接，所述处理器与所述存储器建立通信连接；

所述通信接口，用于接收聚类请求，所述聚类请求包括最大计算量、所述K和所述数据集；

所述存储器，用于存储所述最大计算量、所述K和所述数据集；

所述存储器，还用于存储程序指令；

所述处理器，用于读取所述存储器中的程序指令，以执行以下的步骤；

所述处理器，还用于根据所述最大计算量，确定所述最大计算量对应的调整因子；

所述处理器，还用于从所述存储器中获取所述数据集，并从所述数据集中随机选择一个数据；

所述处理器，还用于根据所述调整因子和所述随机选择的数据，从所述数据集中选择K-1个数据，所述随机选择的数据和所述K-1个数据构成所述数据集的K个初始聚类中心；

所述处理器，还用于根据所述K个初始聚类中心，对所述数据集中的N个数据进行聚类。

在本发明实施例中，由于根据最大计算量对应的调整因子以及随机选择的数据，选择K-1个数据，随机选择的数据和K-1个数据构成数据集的K个初始聚类中心，因此，本发明可以根据最大计算量自动调整聚类效率，从而可以提高聚类效率。

结合第一方面，在第一方面的第一种实现方式中，所述聚类请求中还包括所述数据集的训练次数和数据大小；

所述处理器，用于根据所述最大计算量，确定所述最大计算量对应的调整因子，具体可以通过如下步骤实现：