[发明专利]一种基于K-MEANS算法测试产品的方法、系统、设备和存储介质

权利要求书

1.一种基于K-MEANS算法测试产品的方法，其特征在于，包括如下步骤：

根据存储交付的功能特性数确定选取的特性，并从每个选取的特性中随机选取预设数量个样本以组成训练样本集；

对所述训练样本集中的样本进行特征选择，从原始样本集中选出一个子集来最小化冗余和最大化与目标的相关性以得到样本子集，并根据样本子集得到样本集合；

根据所述样本集合通过K-MEANS算法进行快速聚类以选出预设数量个聚类中心；以及

将所有缺陷聚合到对应的聚类中心中，并根据聚类结果确认缺陷集中的模块。

2.根据权利要求1所述的方法，其特征在于，所述从每个选取的特性中随机选取预设数量个样本以组成训练样本集包括：

将产品缺陷数据进行标准化处理，并对样本特征设置对应的权重以使得样本数据标准且处于同一维度。

3.根据权利要求1所述的方法，其特征在于，所述根据所述样本集合通过K-MEANS算法进行快速聚类以选出预设数量个聚类中心包括：

从所述样本集合中随机选取一个样本点作为初始聚类中心；

计算每个样本与当前已有聚类中心之间的最短距离，根据所述最短距离计算每个样本点被选为下一个聚类中心的概率，并将最大概率值对应的样本点作为下一个聚类中心；以及

重复上述步骤直到选择出预设数量个聚类中心。

4.根据权利要求1所述的方法，其特征在于，所述从原始样本集中选出一个子集来最小化冗余和最大化与目标的相关性以得到样本子集包括：

将与存储缺陷不相关的特征删除，并将冗余的特征进行合并。

5.一种基于K-MEANS算法测试产品的系统，其特征在于，包括：

特性模块，配置用于根据存储交付的功能特性数确定选取的特性，并从每个选取的特性中随机选取预设数量个样本以组成训练样本集；

集合模块，配置用于对所述训练样本集中的样本进行特征选择，从原始样本集中选出一个子集来最小化冗余和最大化与目标的相关性以得到样本子集，并根据样本子集得到样本集合；

聚类模块，配置用于根据所述样本集合通过K-MEANS算法进行快速聚类以选出预设数量个聚类中心；以及

执行模块，配置用于将所有缺陷聚合到对应的聚类中心中，并根据聚类结果确认缺陷集中的模块。

6.根据权利要求5所述的系统，其特征在于，所述特性模块配置用于：

将产品缺陷数据进行标准化处理，并对样本特征设置对应的权重以使得样本数据标准且处于同一维度。

7.根据权利要求5所述的系统，其特征在于，所述聚类模块配置用于：

从所述样本集合中随机选取一个样本点作为初始聚类中心；

计算每个样本与当前已有聚类中心之间的最短距离，根据所述最短距离计算每个样本点被选为下一个聚类中心的概率，并将最大概率值对应的样本点作为下一个聚类中心；以及

重复上述步骤直到选择出预设数量个聚类中心。

8.根据权利要求5所述的系统，其特征在于，所述集合模块配置用于：

将与存储缺陷不相关的特征删除，并将冗余的特征进行合并。

9.一种计算机设备，其特征在于，包括：

至少一个处理器；以及

存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现权利要求1-4任意一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-4任意一项所述方法的步骤。