[发明专利]数据点的网格图聚类方法、装置、存储介质和设备

说明书

本发明提供一种数据点的网格图聚类方法、装置、存储介质和设备，其中，所述方法包括：建立细网格点阵字典、粗网格点阵字典和密度类别字典，对粗网格进行采样，当采样到的粗网格对应的细网格中数据点的数量高于临界值，则保留该粗网格及对应的细网格，对细网格进行采样，根据密度类别字典计算每个细网格对应的密度类型，在粗网格点阵字典中，保留并合并密度类型相邻或相同的细网格，生成图邻接字典，遍历图邻接字典，生成初步聚类字典，查询初步聚类字典中每个细网格所包含的全部数据点，得到聚类结果。本发明基于网格实现数据点的聚类，降低人工调参的复杂度、对参数的依赖度及时间复杂度，提高聚类结果的稳定性和可靠性，且计算快、计算效率高。

技术领域

本发明涉及机器学习技术领域，尤其涉及一种数据点的网格图聚类方法、装置、存储介质和设备。

背景技术

聚类算法是机器学习领域常见的一种无监督算法，针对不同特征的数据集或者学习任务，多种类型的聚类算法被提出并在实践中不断完善。其中，考虑数据点密度分布特征的算法不仅在聚类任务中表现出色，其在数据去噪任务中也有着良好的效果。

当前聚类算法中，基于数据点密度的算法大多考虑数据点之间的距离或特定范围内的数据点数量来作为聚类依据，如DBSACN算法将特定半径邻域内数据点数量小于预设值的样本归为噪声点，HDBSACN算法将样本数据点间的距离作为归类标准。其他聚类算法如谱聚类算法虽然没有将密度作为直接变量，而是使用不同簇数据点之间的相似性矩阵反应噪声点信息。但是，此类算法严重依赖参数的选择，效果稳定性差；且当数据点有独特的空间分布特征时，现有聚类算法往往存在过度去噪或过度聚类的情况，导致聚类结果划分不准确。从时间复杂度方面，随着待处理数据量对增加，聚类算法运行时间也将呈线性增长，导致时间复杂度较高。

发明内容

有鉴于此，本发明提供一种数据点的网格图聚类方法、装置、存储介质和设备，能基于网格实现数据点的聚类，降低人工调参的复杂度、计算结果对参数的依赖度及时间复杂度，提高聚类结果的稳定性和可靠性，且计算快、计算效率高。

第一方面，本发明实施例提供一种数据点的网格图聚类方法，所述方法包括：

建立细网格点阵字典、粗网格点阵字典和密度类别字典，其中，所述细网格点阵字典包括多个细网格，每个细网格中按照分辨率设置有多个数据点，所述粗网格点阵字典包括多个粗网格，每个所述粗网格的边长是所述细网格的边长的整数倍，所述密度类别字典包括每个细网格的密度类型；

对所述粗网格中的数据点进行采样，当采样到的粗网格中数据点的数量高于临界值，则保留该粗网格及对应的细网格；

对所述细网格中的数据点进行采样，根据所述密度类别字典计算每个细网格对应的密度类型；

在所述粗网格点阵字典中，保留并合并密度类型相邻或相同的细网格，生成图邻接字典；

遍历所述图邻接字典，生成初步聚类字典；

查询所述初步聚类字典中每个细网格所包含的全部数据点，得到最终聚类结果。

优选的，所述细网格点阵字典中的键为细网格的编号，所述细网格点阵字典的值为细网格内每个数据点的坐标构成的集合。

优选的，所述粗网格点阵字典的键为粗网格的编号，所述粗网格点阵字典的值为粗网格内细网格的编号构成的集合。

优选的，按照相隔预设数目对细网格内数据点的占位数对每个细网格的密度进行分类，获得每个细网格的密度类型。

优选的，采用蒙特卡罗方法对所述粗网格和所述细网格分别进行采样。

优选的，所述临界值为相邻两个细网格中数据点密度的相对变化。

优选的，对所述粗网格进行采样，当采样到的粗网格中数据点的数量不高于临界值，则舍弃该粗网格并删除对应的细网格集合。