[发明专利]一种访客行为分类方法及系统

权利要求书

1.一种访客行为分类方法，具体方法包括，

数据标准化，对采集的原始数据进行数据标准化，得到标准化后的数据y_i，标准化公式为：其中x为数据点，n为数据点的总个数，i＝1,2，…，n；所述原始数据为访客行为数据，包括具体行为的次数和时间；所述行为包括访问行为；

执行k-means聚类计算，确定访客行为最大分类数k_max，分别取k＝1,2,3，…，k_max，划分成k类依次对确定的标准数据进行k-means聚类，并计算群内平方和WSS，依次得到k_max个WSS数值；

确定WSS的拐点k_best；

重新按照k_best的值作为k-means的初始分类数，重新对数据进行依次k-means聚类。

2.根据权利要求1所述的访客行为分类方法，具体方法还包括，y维度判断，判断y维度是否大于设定阈值，如果否，则执行k-means聚类计算。

3.根据权利要求2所述的访客行为分类方法，具体方法还包括，如果y维度大于设定阈值，则对数据y进行降维，得到确定的标准化数据。

4.根据权利要求2所述的访客行为分类方法，采用PCA算法对数据y进行降维。

5.根据权利要求1所述的访客行为分类方法，采用PCA算法确定WSS的拐点k_best。

6.根据权利要求1到5之一所述的访客行为分类方法，所述方法还包括，重新对数据进行依次k-means聚类后，输出每个访客数据所对应的分类编号。

7.一种访客行为分类系统，其特征在于：包括，

访客行为采集模块，采集访客行为数据，包括具体行为的次数和时间；所述行为包括访问行为；

数据标准化计算模块，对采集的原始数据进行数据标准化，得到标准化后的数据y_i，标准化公式为：其中x为数据点，n为数据点的总个数，i＝1,2，…，n；所述原始数据为访客行为数据；

第一k-means聚类计算模块，确定访客行为最大分类数k_max，分别取k＝1,2,3，…，k_max，划分成k类依次对确定的标准数据进行k-means聚类，并计算群内平方和WSS(Within-Cluster Sum of Square)，依次得到k_max个WSS数值；

WSS拐点k_best确定模块，确定WSS的拐点k_best；

第二k-means聚类计算模块，重新按照k_best的值作为k-means的初始分类数，重新对数据进行依次k-means聚类。

8.根据权利要求7所述的访客行为分类系统，其特征在于：还包括y维度判断模块，判断y维度是否大于设定阈值，如果否，则执行k-means聚类第一k-means聚类计算。

9.根据权利要求8所述的访客行为分类系统，其特征在于：还包括数据y降维模块，如果y维度大于设定阈值，则对数据y进行降维，得到确定的标准化数据。

10.根据权利要求7所述的访客行为分类系统，其特征在于：还包括访客数据分类编号输出模块，重新对数据进行依次k-means聚类后，输出每个访客数据所对应的分类编号。