[发明专利]一种共享近邻优化的密度峰值聚类中心选取方法和系统

权利要求书

1.一种共享近邻优化的密度峰值聚类中心选取方法，其特征在于，包括以下步骤：

获取电子商务评论数据；

计算评论数据两两之间的距离，得到距离矩阵；

根据所述距离矩阵计算共享近邻相似度；

根据所述共享近邻相似度，计算每条评论数据的局部密度；

根据所述距离矩阵和局部密度，获取每条评论数据的最近较大密度点距离；

根据评论数据的局部密度和最近较大密度点距离选择聚类中心；

对于电子商务评论集X中的任意评论i,j，如果他们都在对方的K近邻集合中，则共享近邻相似度为评论i与评论j的共享近邻数的平方与二者分别到其所有共享近邻距离和的比值。

2.如权利要求1所述的一种共享近邻优化的密度峰值聚类中心选取方法，其特征在于，所述获取电子商务评论数据后，还对所述评论数据进行归一化和降维预处理。

3.如权利要求1所述的一种共享近邻优化的密度峰值聚类中心选取方法，其特征在于，设评论i是样本集X中的任意评论，L(i)＝{x₁,x₂,...,x_k}是与评论i共享近邻相似度最高的K个点的集合，则评论i的局部密度定义为与评论i共享近邻相似度最高的K个点的相似度和。

4.如权利要求1所述的一种共享近邻优化的密度峰值聚类中心选取方法，其特征在于，设评论i是样本集X中的任意评论，评论i的最近较大密度点距离值定义为：寻找比评论i局部密度大的评论j，使得评论i到评论j的距离与评论i和评论j到各自K近邻点距离和的乘积最小。

5.如权利要求1所述的一种共享近邻优化的密度峰值聚类中心选取方法，其特征在于，所述选择聚类中心包括：

分别以局部密度和最近较大密度点距离作为x轴和y轴，绘制决策图；

根据所述决策图选取局部密度和最近较大密度点距离取值满足一定阈值的评论作为聚类中心。

6.如权利要求1所述的一种共享近邻优化的密度峰值聚类中心选取方法，其特征在于，所述选择聚类中心包括：

根据局部密度和最近较大密度点距离计算评论的决策值γ并排序，得到γ图；

根据γ图选择决策值满足一定阈值的评论作为聚类中心。

7.一种共享近邻优化的密度峰值聚类中心选取系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-6任一项所述的方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6任一项所述的方法。

9.一种共享近邻优化的密度峰值聚类方法，其特征在于，采用如权利要求1-6任一项所述的方法选择聚类中心。