[发明专利]一种基于信息增益权重的增量聚类方法及装置

权利要求书

1.一种基于信息增益权重的增量聚类方法，其特征在于，包括：

根据初始数据属性特征的信息增益权重，计算各个特征的分类贡献率；

根据所述分类贡献率分别计算所述初始数据到初始聚类中心的类内距离，并将所述类内距离小于距离阈值的类进行迭代合并，得到聚类结果，所述聚类结果包括各类别的聚类中心和最大类内距离；

根据所述分类贡献率分别计算新增数据点到所述聚类中心的距离，确定最小距离和对应聚类中心；

当所述最小距离小于等于对应聚类中心的最大类内距离时，将所述新增数据点合并至所述对应聚类中心的类别内，当所述最小距离大于对应聚类中心的最大类内距离时，则确定为一个单独类别。

2.根据权利要求1所述的基于信息增益权重的增量聚类方法，其特征在于，所述初始数据属性特征的信息增益权重根据初始数据的信息熵确定。

3.根据权利要求2所述的基于信息增益权重的增量聚类方法，其特征在于，所述各个特征的分类贡献率∝_i根据下述公式确定：

其中W(T)为属性特征T的信息增益权重。

4.根据权利要求1所述的基于信息增益权重的增量聚类方法，其特征在于，所述根据所述分类贡献率分别计算所述初始数据到初始聚类中心的类内距离，具体为：

5.根据权利要求1所述的基于信息增益权重的增量聚类方法，其特征在于，对初始数据属性的连续值进行离散化处理。

6.根据权利要求1所述的基于信息增益权重的增量聚类方法，其特征在于，所述距离阈值包括初始数据到初始聚类中心的类内距离中最小的类内距离。

7.一种基于信息增益权重的增量聚类装置，其特征在于，包括：

第一初始化单元，用于根据初始数据属性特征的信息增益权重，计算各个特征的分类贡献率；

第二初始化单元，用于根据所述分类贡献率分别计算所述初始数据到初始聚类中心的类内距离，并将所述类内距离小于距离阈值的类进行迭代合并，得到聚类结果，所述聚类结果包括各类别的聚类中心和最大类内距离；

数据计算单元，用于根据所述分类贡献率分别计算新增数据点到所述聚类中心的距离，确定最小距离和对应聚类中心；

数据聚类单元，用于当所述最小距离小于等于对应聚类中心的最大类内距离时，将所述新增数据点合并至所述对应聚类中心的类别内，当所述最小距离大于对应聚类中心的最大类内距离时，则确定为一个单独类别。

8.根据权利要求7所述的基于信息增益权重的增量聚类装置，其特征在于，所述初始数据属性特征的信息增益权重根据初始数据的信息熵确定。

9.根据权利要求7所述的基于信息增益权重的增量聚类装置，其特征在于，所述距离阈值包括初始数据到初始聚类中心的类内距离中，最小的类内距离。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至6任一项所述的方法。