[发明专利]小区的划分方法、装置及设备

权利要求书

1.一种小区的划分方法，其特征在于，包括：

获取小区指标数据；

对所述小区指标数据进行特征提取，获取多个特征值；

将所述多个特征值，划分为多个特征子集；

对所述多个特征子集分别进行聚类，得到至少两个类簇；

根据聚类结果对所述多个特征子集进行特征子集选择，得到优化选择的特征子集以及其相应的聚类结果；

所述将所述多个特征值，划分为多个特征子集，包括：

采用遗传算法生成其多个特征子集，对生成的特征子集进行编码，得到多个编码的特征子集，一个编码的特征子集对应一个个体，编码为其基因型，选择的特征子集为其表现型；

所述根据聚类结果对所述多个特征子集进行特征子集选择，得到优化选择的特征子集以及其相应的聚类结果，包括：

根据聚类结果计算各特征子集对应的基因型个体的适应度；

根据基因型个体的适应度，进行优化特征子集选择，并得到其对应的聚类结果。

2.根据权利要求1所述的小区的划分方法，其特征在于，所述小区指标数据包括：反映小区自身覆盖地理场景的指标数据以及小区和所述小区的相邻小区的相关指标数据。

3.根据权利要求1所述的小区的划分方法，其特征在于，对所述小区指标数据进行特征提取，获取多个特征值，包括：

提取所述小区指标数据的数据分布趋势、离散程度、分布形状中的至少一个特征，获取多个特征值。

4.根据权利要求3所述的小区的划分方法，其特征在于，提取所述小区指标数据的数据分布趋势，包括：

采用众数算法、中位数算法或者平均数算法提取所述小区指标数据的数据分布趋势。

5.根据权利要求4所述的小区的划分方法，其特征在于，所述平均数算法包括：算术平均数算法或者，几何平均数算法：

其中，(x₁,x₂,...,x_n)为包括小区指标数据的数据集，x_i为数据集中第i个数据值；为算术平均数，为几何平均数，n为所述数据集中小区指标数据的个数。

6.根据权利要求3所述的小区的划分方法，其特征在于，提取所述小区指标数据的离散程度，包括：

采用极差算法或者方差算法或者标准差算法提取所述小区指标数据的离散程度。

7.根据权利要求6所述的小区的划分方法，其特征在于，所述方差算法为：

其中，为算术平均数，x_i为数据集中第i个数据值；σ²为方差，n为所述数据集中数据值的个数。

8.根据权利要求3所述的小区的划分方法，其特征在于，提取所述小区指标数据的分布形状，包括：

采用峰度系数算法或者偏态系数算法，提取所述小区指标数据的分布形状。

9.根据权利要求8所述的小区的划分方法，其特征在于，

所述峰度系数算法为：其中，m₄为四阶中心矩，σ⁴为标准差的四次方，K为峰度系数；

偏态系数算法为：

其中，x_i为数据集中第i个数据值，为算术平均数，σ为标准差，M_o为数据的众数，S_k为偏态系数，n为所述数据集中数据值的个数。

10.根据权利要求1所述的小区的划分方法，其特征在于，对所述多个特征子集分别进行聚类，得到至少两个类簇，包括：

对所述多个特征子集分别进行层次聚类，分别得到至少两个类簇。