[发明专利]数据挖掘方法、装置、终端设备和可读存储介质

权利要求书

1.一种数据挖掘方法，其特征在于，该方法包括：

对待分析数据进行处理以获取标准数据集；

当以所述标准数据集作为待分类的目标集时，在目标集中选取一个数据样本作为聚类中心；

以目标集的聚类中心和距离所述目标集的聚类中心最远的数据样本为中心执行分类操作；

根据预设的误差平方和公式分别计算各个类别的紧凑度；

以紧凑度最小的类别作为新的目标集，重复执行所述分类操作，直至分类数目达到预设数目。

2.根据权利要求1所述的数据挖掘方法，其特征在于，以目标集的聚类中心和距离所述目标集的聚类中心最远的数据样本为中心执行分类操作，包括：

根据距离度量公式计算所述目标集中各个数据样本与所述目标集的聚类中心之间的第一距离，以及所述目标集中各个数据样本与所述距离所述目标集的聚类中心最远的数据样本之间的第二距离；

将所述第一距离小于所述第二距离的数据样本作为一类；

将所述第一距离大于等于所述第二距离的数据样本作为另一类。

3.根据权利要求1所述的数据挖掘方法，其特征在于，通过以下方式确定距离所述目标集的聚类中心最远的数据样本：

通过距离度量公式计算所述目标集中各个数据样本与所述目标集的聚类中心之间的距离；

选取距离最大的数据样本作为距离所述目标集的聚类中心最远的数据样本。

4.根据权利要求2或3所述的数据挖掘方法，其特征在于，所述距离度量公式如下：

dis代表两个数据样本之间的距离，A_i代表一个数据样本的权值向量的第i个坐标点，B_i代表另一个数据样本的权值向量的第i个坐标点，n代表权值向量中坐标点数目。

5.根据权利要求1所述的数据挖掘方法，其特征在于，所述误差平方和公式如下：

ASSE代表所述误差平方和，用于反映以c_l作为聚类中心的类别的紧凑度，c_k代表另一个聚类中心，m代表以c_l作为聚类中心的类别中的数据样本数目，x_j代表以c_l作为聚类中心的类别中的第j个数据样本，r代表正则化常数。

6.根据权利要求1所述的数据挖掘方法，其特征在于，所述对待分析数据进行处理以获取标准数据集，包括：

对待分析数据进行文本分词，并构建词袋模型向量；

利用词频-逆向文件频率方法统计所述词袋模型向量中的常见词汇和重要词汇，以获取文本-词汇矩阵；

对所述文本-词汇矩阵进行降维处理以获取标准数据集。

7.一种数据挖掘装置，其特征在于，该装置包括：

数据预处理模块，用于对待分析数据进行处理以获取标准数据集；

初始聚类中心选取模块，用于当以所述标准数据集作为待分类的目标集时，在目标集中选取一个数据样本作为聚类中心；

分类操作执行模块，用于以目标集的聚类中心和距离所述目标集的聚类中心最远的数据样本为中心执行分类操作；

紧凑度计算模块，用于根据预设的误差平方和公式分别计算各个类别的紧凑度；

新目标集确定模块，用于以紧凑度最小的类别作为新的目标集，重复执行所述分类操作，直至分类数目达到预设数目。

8.根据权利要求7所述的数据挖掘装置，其特征在于，通过以下方式确定距离所述目标集的聚类中心最远的数据样本：

通过距离度量公式计算所述目标集中各个数据样本与所述目标集的聚类中心之间距离；

选取距离最大的数据样本作为距离所述目标集的聚类中心最远的数据样本。

9.一种终端设备，其特征在于，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述终端设备能执行权利要求1至6任一项所述的数据挖掘方法。

10.一种可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至6任一项所述的数据挖掘方法。