[发明专利]基于随机抽样的聚类可视化方法及装置

权利要求书

1.一种基于随机抽样的聚类可视化方法，其特征在于，包括：

获取总体样本中各特征的取值的概率分布；

对所述总体样本执行N次随机抽样，分别计算每次随机抽样中各特征的取值的概率分布；

根据总体样本中各特征的取值的概率分布以及每次随机抽样中各特征的取值的概率分布分别计算每个特征在每次随机抽样和总体样本中的取值的概率分布的KL散度，并确定每个特征的KL散度的最大值；

获取对所述总体样本进行聚类生成的聚类簇，分别针对每个所述聚类簇计算各特征的取值的概率分布；

根据每个所述聚类簇对应的各特征的取值的概率分布以及总体样本中各特征的取值的概率分布计算每个特征在每个所述聚类簇和总体样本中的取值的概率分布的KL散度；

根据每个特征在每个所述聚类簇和总体样本中的取值的概率分布的KL散度以及所述每个特征的KL散度的最大值确定每个所述聚类簇中与总体样本分布不相似的特征；

根据每个所述聚类簇中与总体样本分布不相似的特征对每个所述聚类簇进行可视化输出，其中，在进行可视化输出时仅对各聚类簇中与总体样本分布不相似的特征进行可视化输出，对各聚类簇中与总体样本分布相似的特征不进行输出。

2.根据权利要求1所述的基于随机抽样的聚类可视化方法，其特征在于，还包括：

对所述总体样本中的所有连续型特征进行离散化处理，得到连续型特征的离散化取值。

3.根据权利要求1所述的基于随机抽样的聚类可视化方法，其特征在于，根据每个特征在每个所述聚类簇和总体样本中的取值的概率分布的KL散度以及所述每个特征的KL散度的最大值确定每个所述聚类簇中与总体样本分布不相似的特征，具体包括：

判断每个所述聚类簇中每个特征的取值的概率分布和总体样本中该特征的取值的概率分布的KL散度是否大于或等于该特征的KL散度的最大值；

若是，则确定该聚类簇中的该特征为与总体样本分布不相似的特征。

4.根据权利要求1所述的基于随机抽样的聚类可视化方法，其特征在于，所述根据每个所述聚类簇中与总体样本分布不相似的特征对每个所述聚类簇进行可视化输出，具体包括：

对每个所述聚类簇中与总体样本分布不相似的特征进行可视化输出。

5.一种基于随机抽样的聚类可视化装置，其特征在于，包括：

取值概率分布获取单元，用于获取总体样本中各特征的取值的概率分布；

抽样取值概率分布计算单元，用于对所述总体样本执行N次随机抽样，分别计算每次随机抽样中各特征的取值的概率分布；

特征KL散度的最大值计算单元，用于根据总体样本中各特征的取值的概率分布以及每次随机抽样中各特征的取值的概率分布分别计算每个特征在每次随机抽样和总体样本中的取值的概率分布的KL散度，并确定每个特征的KL散度的最大值；

聚类簇取值概率分布计算单元，用于获取对所述总体样本进行聚类生成的聚类簇，分别针对每个所述聚类簇计算各特征的取值的概率分布；

聚类簇特征KL散度计算单元，用于根据每个所述聚类簇对应的各特征的取值的概率分布以及总体样本中各特征的取值的概率分布计算每个特征在每个所述聚类簇和总体样本中的取值的概率分布的KL散度；

分布不相似特征确定单元，用于根据每个特征在每个所述聚类簇和总体样本中的取值的概率分布的KL散度以及所述每个特征的KL散度的最大值确定每个所述聚类簇中与总体样本分布不相似的特征；

可视化输出单元，用于根据每个所述聚类簇中与总体样本分布不相似的特征对每个所述聚类簇进行可视化输出，其中，在进行可视化输出时仅对各聚类簇中与总体样本分布不相似的特征进行可视化输出，对各聚类簇中与总体样本分布相似的特征不进行输出。

6.根据权利要求5所述的基于随机抽样的聚类可视化装置，其特征在于，还包括：

离散化处理单元，用于对所述总体样本中的所有连续型特征进行离散化处理，得到连续型特征的离散化取值。