[发明专利]一种解决大数据聚类的基于视觉原理的聚类方法

权利要求书

1.一种解决大数据聚类的基于视觉原理的聚类方法，其特征在于，包括以下步骤：

步骤一，确定编码精度：根据不同应用场景，设定不同的编码精度ε，ε的大小显示了编码与原始数据之间的误差；

步骤二，确定编码位数与最小尺度，最大尺度：由编码精度ε计算出编码的最大尺度σ_max与最小尺度σ₀，同时可以得到编码的位数L；

步骤三，原数据编码：将原数据集以编码精度ε进行编码，除返回聚类结果外，之后的计算步骤将都在编码上进行；

步骤四，截断操作会根据当前的尺度，对编码集中的各个编码进行截断，获取该尺度下的编码集；

在当前尺度的编码集的基础上，进行各个编码的同尺度相邻编码查找，组成与相邻编码相连的图数据；

之后利用上一步图数据进行连通性分析，得到的最大连通子图为聚类结果，具体方法如下：

图对G_σ进行最大连通子图分析，得到k_σ个最大连通子图，即各子图的顶点集合聚类结果为

其中，ε_σ为编码连接关系集合，G_i为第i个连通子图，C_i为G_i中的包括的编码；

再将聚类结果解码，从编码回归到原数据；

步骤五，增加尺度数，σ＝σ+1，重复步骤四操作，直到最大尺度σ_max。

2.根据权利要求1所述的一种解决大数据聚类的基于视觉原理的聚类方法，其特征在于，所述步骤二中，d维的原始数据集中的任意元素对于x的每一维x^(t)∈[a^t,b^t],t∈[1,d]，最大尺度σ_max满足

最小尺度σ₀通常为1，编码的位数L＝σ_max×d，为d维实数空间，x为原始数据集中的任意元素，g_t为第t维的编码精度。

3.根据权利要求1所述的一种解决大数据聚类的基于视觉原理的聚类方法，其特征在于，所述步骤三中，对原始数据中的每个元素进行S/D编码，获得原始编码集P_ε(·)为S/D编码函数，

e＝P_ε(x),e＝[e⁽¹⁾e⁽²⁾…e^(L)]

其中，[·]₂表示数字的二进制形式，表示向下取整操作，x为原始数据集中的任意元素，为原始数据集，[e⁽¹⁾e⁽²⁾…e^(L)]分别表示编码后的二进制序列，a^t为第t维在原始数据集的下界，x^(t)为x的第t维的数据，g_t为第t维的编码精度。

4.根据权利要求1所述的一种解决大数据聚类的基于视觉原理的聚类方法，其特征在于，所述在当前尺度的编码集的基础上，进行各个编码的同尺度相邻编码查找，组成与相邻编码相连的图数据，构造提取同一维度数值的模板编码

编码e近邻编码集合为，

其中，∧表示逻辑与操作，表示逻辑非操作，建立所有编码与其相邻编码的连接关系，得到σ尺度下的连接关系集合ε_σ。