[发明专利]基于聚类的度量空间数据划分与性能衡量方法及相关组件

权利要求书

1.一种基于聚类的度量空间数据划分与性能衡量方法，其特征在于，包括：

输入样本数据集、支撑点集合以及划分块数，输出划分后的数据块；

输入查询对象、查询半径、每一所述数据块的中心、支撑点集合以及划分块数，输出所述数据块的排除结果；

基于多个聚集向量数据集，确定每个所述聚集向量数据集的多个查询半径；

将所述划分块数设置为所述聚集向量数据集的类别数目，使用支撑点集合对每一聚集向量数据集进行数据划分，得到每一聚集向量数据集在支撑点空间的划分结果、不同的查询半径下的r-邻域内点的数目以及根节点的平均排除率；

将每一聚集向量数据集的所有数据点作为查询点，统计距离计算的次数，根据统计的次数得到划分性能；

其中，所述输入查询对象、查询半径、每一所述数据块的中心、支撑点集合以及划分块数，输出所述数据块的排除结果，包括：将所述查询对象通过支撑点集合映射到支撑点空间中，得到所述查询对象在支撑点空间中的坐标向量，通过所述坐标向量和查询半径生成查询超立方体的顶点集合N，根据所述顶点集合N计算并得到数据块的排除结果；

其中，所述将每一聚集向量数据集的所有数据点作为查询点，统计距离计算的次数，根据统计的次数得到划分性能，包括：采用PCA支撑点选择方法选择2个支撑点，将所述划分块数设置为所述聚集向量数据集的类别数目，在整个索引树的构建过程中进行一次数据划分，采用PivotTable结构的叶子节点，将所述聚集向量数据集的所有数据点作为查询点，统计出距离计算次数。

2.根据权利要求1所述的基于聚类的度量空间数据划分与性能衡量方法，其特征在于，所述输入样本数据集、支撑点集合以及划分块数，输出划分后的数据块，包括：

将所述样本数据集的每个样本通过所述支撑点集合映射到支撑点空间中；

从映射后的支撑点空间中选择k个样本作为初始的均值向量{μ₁,μ₂,…,μ_k}；

计算所述样本数据集中的每个样本到每个初始的均值向量的距离；

将所述样本划分到其最近的初始的均值向量所属的类别块中；

根据公式更新每个类别块的均值向量，其中x表示类别块中的向量，C_i表示类别块i，|C_i|表示属于类别块i的向量的数目；

重复计算所述样本数据集中的每个样本到更新后的均值向量的距离，直至均值向量的值不再改变；

根据所述样本所属的类别块对样本进行划分并输出划分后的数据块。

3.根据权利要求1所述的基于聚类的度量空间数据划分与性能衡量方法，其特征在于，所述根据所述顶点集合N计算并得到数据块的排除结果，包括：

初始化标记数组A，长度为划分块数，值为0，表示对应下标的数据块无法被排除；

针对所有数据块，每两个数据块为一组，每组判断一次；

对于每一组取其第一个数据块的中心为C[1]、第二个数据块的中心为C[2]；

计算所述第一个数据块的中心C[1]和第二个数据块的中心C[2]的中点向量M；

计算向量

对于顶点集合N中的每个顶点，计算向量如果存在则表示该数据块不可排除，数组A对应下标的值不变，如果不存在则表示该数据块排除，数组A对应下标的值设置为1；

将数组A的结果返回，按照数组A的下标对每个数据块进行搜索处理。

4.根据权利要求1所述的基于聚类的度量空间数据划分与性能衡量方法，其特征在于，所述基于多个聚集向量数据集，确定每个所述聚集向量数据集的多个查询半径，包括：

设定数据集大小、维度、距离函数均相同的多个聚集向量数据集；

针对每一聚集向量数据集设置依次增大的多个查询半径。

5.根据权利要求1所述的基于聚类的度量空间数据划分与性能衡量方法，其特征在于，所述得到每一聚集向量数据集的根节点的平均排除率，包括：

使用所述聚集向量数据集中的所有数据点作为查询对象，并进行多次搜索，统计每次搜索时的数据点的排除量，并根据所述聚集向量数据集的总数据点得到根节点的平均排除率。