[发明专利]基于DBSCAN聚类算法的核查重点人员、房屋漏登记的方法

权利要求书

1.基于DBSCAN聚类算法的核查重点人员、房屋漏登记的方法，其特征在于包括以下步骤：

步骤一，对民警采集的人口、房屋数据集进行预处理，包括缺失值填充、类别型变量离散化、数值型变量标准化；

步骤二，将已被标签“重点人员、房屋”的数据划分为已知“重点人员、房屋”和未知“重点人员、房屋”，并将已知“重点人员、房屋”数据样本固定为密度聚类的核心点，并分离非核心点；

步骤三，设定邻域参数(ε，MinPts),这里ε描述了某一样本的邻域距离阈值，MinPts描述了某一样本的距离为ε的邻域中样本个数的阈值，采用DBSCAN聚类算法，在“重点人员、房屋”数据集上对非核心点的样本进行归类，对聚类结果进行分析，

所述步骤三中，通过DBSCAN算法，使用欧氏距离来度量样本之间的相似度，距离越小，样本越相似，设n个样本被划为K个聚类，每个聚类中的样本个数分别为：n₁，n₂，…，n_k，则所有K个聚类在第j维特征上的类内距离之和d_p为，

x_ij为第i个样本的第j维特征数值，m_kj为聚类k在第j维特征上的均值，所有

K个聚类在第j维特征上的类间距离之和d_q为，

m_j为数据集在第j维特征上的均值，之后，计算特征j对聚类的贡献度c_j，

最后，第j维特征的特征权重w_j为，

m表示样本特征的维数，

从而得到加权的欧氏距离公式，从而获得样本之间的相似度d(m,n),

步骤四，将所有标签“重点人员、房屋”的数据进行核心点固定，通过自适应特征权重的DBSCAN聚类算法，在人口、房屋数据集上对非核心点的样本进行归类，获取聚类结果，

所述步骤四中，对于核心点固定的处理过程为，采用Scikit-learn机器学习框架，根据给定的邻域参数找出所有的核心点；

所述步骤四中，对特征权重进行优化，先将已被标签“重点人员、房屋”的数据划分为已知“重点人员、房屋”和未知“重点人员、房屋”，根据核心点固定步骤，将已知“重点人员、房屋”数据样本固定为密度聚类的核心点，设定合适的邻域参数，然后基于DBSCAN聚类算法，在“重点人员、房屋”数据集上对非核心点的样本进行归类，对于归类的结果计算各属性对聚类的贡献度，更新特征权重；

步骤五，对步骤四中聚类结果进行统计与判断，最终生成疑似漏登记“重点人员、房屋”核查表。

2.根据权利要求1所述的基于DBSCAN聚类算法的核查重点人员、房屋漏登记的方法，其特征在于：步骤一中，所述数据预处理步骤为对公安人口、房屋数据库中的人口、房屋相关数据特征进行预处理，包括对人口、房屋相关数据特征中的类别型特征进行独热编码，对数值型特征变量进行无量纲化处理，所述缺失值填充为，对类别型特征用众数填充，对数值型特征变量用平均数填充。

3.根据权利要求1所述的基于DBSCAN聚类算法的核查重点人员、房屋漏登记的方法，其特征在于：所述类别型特征包括性别、婚姻状况，所述数值型特征变量包括年龄、地址经纬度。

4.根据权利要求1所述的基于DBSCAN聚类算法的核查重点人员、房屋漏登记的方法，其特征在于：步骤一所述类别型变量离散化的处理为：假设有N种定性值，则将这一特征扩展为N种特征，当原始特征值为第i种定性值时，第i个扩展特征赋值为1，其他扩展特征赋值为0，所述数值型变量标准化的处理需要计算每一维特征的均值和标准差(S)，计算公式为，

5.根据权利要求1所述的基于DBSCAN聚类算法的核查重点人员、房屋漏登记的方法，其特征在于：步骤二所述固定为密度聚类的核心点的过程为，在计算距离过程中给“重点人员、房屋”数据样本赋予权重，越大的正值代表该样本容易成为核心点，越小的负值会阻碍样本成为核心点。

6.根据权利要求1所述的基于DBSCAN聚类算法的核查重点人员、房屋漏登记的方法，其特征在于：所述步骤五中，对聚类结果中设每一个类中包含已被标签“重点人员、房屋”的数量N,判断N是否大于等于预先设定的阈值T，如果判断结果为N≥T，则该类中未被标签的人员、房屋存在高可能性疑似漏登记“重点人员、房屋”，最终生成疑似漏登记“重点人员、房屋”核查表；否则，该类中存在低可能性疑似漏登记“重点人员、房屋”，需要进行人工判断。