[发明专利]一种混合属性数据聚类的方法和装置

权利要求书

1.一种混合属性数据聚类的方法，其特征在于，包括：

根据信息熵公式，分别计算混合属性数据集的数据对象中多个属性数据集的权重，其中，所述属性数据集包括向量属性数据集；

根据预先设定的聚类数，从所述混合属性数据集中选择相应数量的数据对象作为聚类质心点；

计算待聚类数据对象与所述聚类质心点中相同属性类型的属性数据集的距离，以根据所述距离和所述权重，确定所述待聚类数据对象与所述聚类质心点的相异度；

将所述待聚类数据对象聚类到最小相异度的聚类质心点所对应的簇中。

2.根据权利要求1所述的方法，其特征在于，所述属性数据集包括数值属性数据集和/或分类属性数据集；

所述根据信息熵公式，分别计算混合属性数据集的数据对象中多个属性数据集的权重，包括：

分别计算混合属性数据集的数据对象中所述向量属性数据集的信息熵、所述数值属性数据集和/或所述分类属性数据集的信息熵；

计算所述数据对象的信息熵，将所述数据对象的信息熵分别与所述向量属性数据集的信息熵、所述数值属性数据集和/或所述分类属性数据集的信息熵作差，得到对应属性数据集的权重。

3.根据权利要求2所述的方法，其特征在于，所述计算待聚类数据对象与所述聚类质心点中相同属性类型的属性数据集的距离，包括：

把待聚类数据对象与所述聚类质心点中的向量属性数据集分别进行归一化处理，以计算所述待聚类数据对象与所述聚类质心点的向量属性数据集的相似度，将所述相似度转化为对应的距离；

把所述待聚类数据对象与所述聚类质心点中的数值属性数据集依次进行标准化和归一化处理，以计算所述待聚类数据对象与所述聚类质心点的数值属性数据集的距离；

根据预先定义的距离度量规则，确定所述待聚类数据对象与所述聚类质心点中的分类属性数据集的距离；

所述根据所述距离和所述权重，确定所述待聚类数据对象与所述聚类质心点的相异度，包括：

将所述距离乘以对应属性类型的属性数据集的权重并求和，以得到待聚类数据对象与聚类质心点的相异度。

4.根据权利要求1至3的任一项所述的方法，其特征在于，所述将所述待聚类数据对象聚类到最小相异度的聚类质心点所对应的簇中的步骤之后，还包括：

更新聚类质心点：更新所述簇的聚类质心点；

重新确定相异度：计算所述待聚类数据对象与更新后的聚类质心点中相同属性类型的属性数据集的距离，以根据所述距离和所述权重，确定所述待聚类数据对象与更新后的聚类质心点的相异度；

重新聚类：将所述待聚类数据对象聚类到最小相异度的更新后的聚类质心点所对应的簇中；

循环执行所述更新聚类质心点、重新确定相异度和重新聚类的步骤，直到满足预设停止条件。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

根据所述数据对象之间的相异度，定义目标函数；

根据聚类结果计算所述目标函数的值。

6.根据权利要求5所述的方法，其特征在于，所述停止条件为下述任意一种：相邻两次循环中所述聚类质心点不变或者变化幅度小于预设第一阈值；循环迭代次数满足预设迭代次数；相邻两次循环中所述目标函数的值不变或者变化幅度小于预设第二阈值。

7.一种混合属性数据聚类的装置，其特征在于，包括：

计算模块，用于根据信息熵公式，分别计算混合属性数据集的数据对象中多个属性数据集的权重，其中，所述属性数据集包括向量属性数据集；

选择模块，用于根据预先设定的聚类数，从所述混合属性数据集中选择相应数量的数据对象作为聚类质心点；

确定模块，用于计算待聚类数据对象与所述聚类质心点中相同属性类型的属性数据集的距离，以根据所述距离和所述权重，确定所述待聚类数据对象与所述聚类质心点的相异度；

聚类模块，用于将所述待聚类数据对象聚类到最小相异度的聚类质心点所对应的簇中。