[发明专利]自组织映射的权重粒子群均值聚类方法、装置、设备及存储介质

权利要求书

1.一种自组织映射的权重粒子群均值聚类方法，其特征在于，包括：

获取原始样本数据，其中，所述原始样本数据为软件画像数据；

使用SOM聚类算法对所述原始样本数据进行粗聚类，得到K个粗聚类簇和粗聚类中心；其中，K为自然数；

基于所述粗聚类簇和所述粗聚类中心对所述原始样本数据进行细聚类，得到目标聚类中心。

2.根据权利要求1所述的方法，其特征在于，所述使用SOM聚类算法对所述原始样本数据进行粗聚类，得到K个粗聚类簇和粗聚类中心，包括：

使用SOM聚类算法对所述原始样本数据进行粗聚类，得到K个粗聚类簇；

根据所述K个粗聚类簇，计算每个粗聚类簇中原始样本数据的样本均值；

根据每个粗聚类簇的样本均值，采用最近邻原则寻找每个粗聚类簇中与其样本均值最近的样本作为对应的粗聚类簇的粗聚类中心。

3.根据权利要求2所述的方法，其特征在于，所述根据每个粗聚类簇的样本均值，采用最近邻原则寻找每个粗聚类簇中部与其样本均值最近的原始样本数据作为对应的粗聚类簇的粗聚类中心，包括：

计算每个粗聚类簇的样本均值与其对应的粗聚类簇中的各个原始样本数据的欧式距离，将欧式距离值最小的原始样本数据作为对应的粗聚类簇的粗聚类中心。

4.根据权利要求1所述的方法，其特征在于，所述使用SOM聚类算法对所述原始样本数据进行粗聚类，得到K个粗聚类簇，包括：

将所述原始样本数据输入到基于SOM聚类算法的粗聚类模型进行循环迭代处理；

当迭代次数达到第一预设迭代次数时，输出达到所述第一预设迭代次数时所述粗聚类模型的各神经元权值；

依次计算每个原始样本数据与各神经元权值的內积，形成內积矩阵，并将每个原始样本数据最大內积在內积矩阵中的元素位置作为每个原始样本数据的获胜索引；

将相同內积值的获胜索引所对应的原始样本数据进行归类，以得到属于K类的K个所述粗聚类簇。

5.根据权利要求1所述的方法，其特征在于，所述基于所述粗聚类簇和所述粗聚类中心对所述原始样本数据进行细聚类，得到目标聚类中心，包括：

使用所述原始样本数据初始化多个粒子的位置和速度；

将所述粗聚类簇和所述粗聚类中心初始化为当前聚类簇和当前聚类中心；

按照欧氏距离公式依次计算每个粒子分别到K个当前聚类簇的距离，并按照近邻原则将每个粒子划分到最近的当前聚类簇中；

根据聚类中心计算公式更新所述当前聚类中心；

更新每个粒子的位置和速度，并返回执行将粒子划分入当前聚类簇的操作，直到迭代到第二预设迭代次数时停止迭代，并将达到所述第二预设迭代次数时的当前聚类中心作为目标聚类中心。

6.根据权利要求5所述的方法，其特征在于，所述第二预设迭代次数为粒子的适应度值和粒子所在种群的适应度值最小时的迭代次数。

7.根据权利要求5所述的方法，其特征在于，所述粒子的数量与所述原始样本数据的数量相同。

8.一种自组织映射的权重粒子群均值聚类装置，其特征在于，包括：

数据获取模块，用于获取原始样本数据；

粗聚类模块，用于使用SOM聚类算法对所述原始样本数据进行粗聚类，得到K个粗聚类簇和粗聚类中心；其中，K为自然数；

细聚类模块，用于基于所述粗聚类簇和所述粗聚类中心对所述原始样本数据进行细聚类，得到目标聚类中心。

9.一种电子设备，其特征在于，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的自组织映射的权重粒子群均值聚类方法。

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，该程序被处理器执行时实现如权利要求1-7中任一所述的自组织映射的权重粒子群均值聚类方法。