[发明专利]基于数据聚类的业务指标数据分类方法及装置

权利要求书

1.一种基于数据聚类的业务指标数据分类方法，其特征在于，包括：

获取业务指标数据集，基于预设的凝聚层次聚类算法，生成所述业务指标数据集的初始聚类集合；所述初始聚类矩阵中至少包含每一轮聚类过程中针对的待合并对象，以及各个待合并对象之间的邻近距离；

基于预设的邻近距离阈值，筛选出在聚类过程中，邻近距离未超过所述邻近距离阈值的待合并对象；

将筛选出的各个待合并对象作为最终的聚类结果输出，其中，一个待合并对象对应一种聚类。

2.根据权利要求1所述的方法，其特征在于，获取业务指标数据集，基于预设的凝聚层次聚类算法，生成所述业务指标数据集的初始聚类集合之后，进一步包括：

基于所述初始聚类集合，确定所述各个待合并对象之间的邻近距离在聚类过程中的变化趋势特征；

基于所述变化趋势特征，确定所述邻近距离阈值。

3.根据权利要求2所述的方法，其特征在于，基于所述变化趋势特征，确定所述邻近距离阈值，包括：

基于所述初始聚类集合，计算指定的L轮聚类过程中，各个待合并对象之间的邻近距离的二阶差分值，其中，L为预设自然数，一个邻近距离对应的二阶差分值表征所述一个邻近距离的变化趋势特征；

若获得的各个二阶差分值中存在转折点，所述转折点的二阶差分值，相较于上一轮中的二阶差分值，和下一轮中的二阶差分值最小，则将所述转折点对应的邻近距离确定为所述邻近距离阈值；

否则，将取值最小的二阶差分值对应的邻近距离确定为所述邻近距离阈值。

4.根据权利要求1所述的方法，其特征在于，基于所述邻近距离阈值，筛选出在聚类过程中，邻近距离未超过所述邻近距离阈值的待合并对象，包括：

确定截止到计算出所述邻近距离阈值时，已获得的所有待合并对象；

将所述已获得的待合并对象，判定为邻近距离未超过所述邻近距离阈值的待合并对象。

5.如权利要求1～4任一所述的方法，其特征在于，基于所述邻近距离阈值，筛选出在聚类过程中，邻近距离未超过所述邻近距离阈值的待合并对象之后，在将筛选出的各个待合并对象作为最终的聚类结果输出之前，进一步包括：

针对所述业务指标数据集，采用系统树形图算法，生成所述业务指标数据集的树状图，其中，所述树状图中包含有节点，一个节点表示聚类结果中包含的一种聚类；

根据获得的节点，确定所述系统树形图算法对应的预测聚类结果；

将筛选出的各个待合并对象对应的当前聚类结果，与所述预测聚类结果进行比较，获得比较结果；

根据所述比较结果，确定相较于所述预测聚类结果，所述各个待合并对象对应的当前聚类结果符合预设的业务需求。

6.如权利要求5所述的方法，其特征在于，将筛选出的各个待合并对象对应的当前聚类结果，与所述预测聚类结果进行比较，获得比较结果，包括：

基于所述业务指标数据集，采用聚类数目算法，计算所述业务指标数据集的目标聚类结果，并分别计算所述目标聚类结果与所述当前聚类结果之间的第一聚类结果差值，以及所述目标聚类结果与所述预测聚类结果之间的第二聚类结果差值，将第一聚类结果差值与所述第二聚类结果差值进行比较，获得比较结果；

根据所述比较结果，确定相较于所述预测聚类结果，所述各个待合并对象对应的当前聚类结果符合预设的业务需求，包括：

若所述第二聚类结果差值高于所述第一聚类结果差值，则确定所述各个待合并对象对应的当前聚类结果，相较于所述预测聚类结果，符合预设的业务需求。

7.根据权利要求6所述的方法，其特征在于，基于所述业务指标数据集，采用聚类数目算法，计算所述业务指标数据集的目标聚类结果，包括：

获取所述业务指标数据集中的业务指标数据总数；

将所述业务指标数据总数经过平方根运算后得到的值，进行向上取整运算后输出的值，确定所述业务指标数据集的目标聚类结果。