[发明专利]一种基于大规模样本的聚类结果评价方法及装置

权利要求书

1.一种基于大规模样本的聚类结果评价方法，其特征在于，包括：

获取聚类结果，从所述聚类结果的所有类中随机抽取第一设定数量个类，作为第一抽样类；

对所述第一抽样类的每个类按照设定抽样规则抽取第二设定数量个样本作为抽样样本，基于所述抽样样本组成第二抽样类；

根据所述第二抽样类计算轮廓系数，获取对应的聚类结果评价；

对所述第一抽样类的每个类按照设定抽样规则抽取第二设定数量个样本作为抽样样本，包括：

计算所述第一抽样类中每个类任意两个样本的第一相似度距离，生成第一相似度距离集合；

从所述第一相似度距离集合中选取每个类中所述第一相似度距离最大的两个样本，并从对应的两个样本中选取一个样本作为候选样本，计算对应类中各个样本与所述候选样本的第二相似度距离，并基于所述第二相似度距离对各个样本进行排序，得到对应的样本序列，按设定的相似度距离间隔从所述样本序列中抽取第二设定数量个样本作为抽样样本；或者，

从所述第一相似度距离集合中选取每个类中所述第一相似度距离最大的两个样本，作为第一候选样本和第二候选样本，计算对应类中各个样本与所述第一候选样本的第二相似度距离，并基于所述第二相似度距离对各个样本进行排序，得到对应的第一样本序列，计算对应类中各个样本与所述第二候选样本的第三相似度距离，并基于所述第三相似度距离对各个样本进行排序，得到对应的第二样本序列，基于第二设定数量并按设定的相似度距离间隔分别从所述第一样本序列和所述第二样本序列中抽取样本作为抽样样本。

2.根据权利要求1所述的一种基于大规模样本的聚类结果评价方法，其特征在于，从所述聚类结果的所有类中随机抽取第一设定数量个类，作为第一抽样类，还包括：

若所述聚类结果的所有类的数量小于所述第一设定数量，以所述聚类结果的所有类作为第一抽样类。

3.根据权利要求1所述的一种基于大规模样本的聚类结果评价方法，其特征在于，对所述第一抽样类的每个类按照设定抽样规则抽取第二设定数量个样本作为抽样样本，还包括：

若所述第一抽样类中对应类的样本数量小于所述第二设定数量，以对应类的所有样本作为抽样样本。

4.根据权利要求1所述的一种基于大规模样本的聚类结果评价方法，其特征在于，根据所述第二抽样类计算轮廓系数，获取对应的聚类结果评价，包括：

逐一提取所述第二抽样类中的各个抽样样本进行轮廓系数计算，得到对应的第一轮廓系数；

基于各个所述第一轮廓系数求平均值，得到对应的第二轮廓系数，以所述第二轮廓系数作为聚类结果评价。

5.根据权利要求4所述的一种基于大规模样本的聚类结果评价方法，其特征在于，在基于各个所述第一轮廓系数求平均值，得到对应的第二轮廓系数，以所述第二轮廓系数作为聚类结果评价之后，还包括：

将所述第二轮廓系数比对预设的系数范围，若所述第二轮廓系数处于所述系数范围内，判定所述聚类结果合理，若所述第二轮廓系数超出所述系数范围，更新聚类参数以基于更新后的聚类参数进行样本聚类。