CN113869455A - 无监督聚类方法、装置、电子设备及介质 - Google Patents

无监督聚类方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN113869455A
CN113869455A CN202111189639.5A CN202111189639A CN113869455A CN 113869455 A CN113869455 A CN 113869455A CN 202111189639 A CN202111189639 A CN 202111189639A CN 113869455 A CN113869455 A CN 113869455A
Authority
CN
China
Prior art keywords
data
clustering
data point
point set
point
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111189639.5A
Other languages
English (en)
Inventor
栾雅理
张茜
吴志成
乔延柯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202111189639.5A priority Critical patent/CN113869455A/zh
Publication of CN113869455A publication Critical patent/CN113869455A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/23Clustering techniques
    • G06F18/232Non-hierarchical techniques
    • G06F18/2321Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/08Learning methods
    • G06N3/088Non-supervised learning, e.g. competitive learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Biology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明涉及人工智能技术领域,揭露一种无监督聚类方法,包括:获取待聚类数据集,转化为数据点集;在数据点集中选取第一聚类中心,根据欧式距离从数据点集中获取异常噪声点集,并将不满足预设数据规则的噪声数据点剔除,得到去噪数据点集;为去噪数据点集随机设置第二聚类中心,利用第二聚类中心将去噪数据点重新划分数据类,得到多个聚类数据子集;根据多个聚类数据子集重新计算去噪数据点集的聚类中心,直至去噪数据点集的聚类中心满足预设条件,得到最终聚类数据。本发明还提出一种无监督聚类装置、设备及存储介质。本发明还涉及区块链技术,所述待聚类数据集可存储于区块链节点中。本发明可以提高数据聚类的准确性。

Description

无监督聚类方法、装置、电子设备及介质
技术领域
本发明涉及人工智能技术领域,尤其涉及一种无监督聚类方法、装置、电子设备及计算机可读存储介质。
背景技术
K-means算法是一种常用的基于欧式距离的聚类算法,通过欧式距离计算目标之间的距离,距离越近,相似度越大最后将相似度大于某个阈值的目标聚合在一起,实现数据的聚类。
然而K-means算法在实际应用中十分容易受到初始聚类中心点的影响,对于相同的数据,由于设置的初始聚类中心点不同,其聚类结果大相径庭,并且K-means算法无法对数据中的噪声数据进行剔除,也会让噪声数据对聚类结果产生干扰,使得聚类结果不准确。
发明内容
本发明提供一种无监督聚类方法、装置、电子设备及计算机可读存储介质,其主要目的在于提高数据聚类的准确性。
为实现上述目的,本发明提供的一种无监督聚类方法,包括:
获取待聚类数据集,将所述待聚类数据集转化为数据点集;
在所述数据点集中选取第一聚类中心,计算所述数据点集中各个数据点到所述第一聚类中心的欧式距离,并根据所述欧式距离从所述数据点集中获取异常噪声点集;
将所述异常噪声点集中不满足预设数据规则的噪声数据点剔除,得到去噪数据点集;
为所述去噪数据点集随机设置至少两个第二聚类中心,利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集;
根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,再根据重新计算得到的聚类中心重新将所述去噪数据点集中的各个去噪数据点划分数据类,得到新的多个聚类数据子集,再次执行所述根据多个所述聚类数据子集重新计算聚类中心的操作,直至所述去噪数据点集的聚类中心满足预设条件,得到最终聚类数据。
可选地,所述根据所述欧式距离从所述数据点集中获取异常噪声点集,包括:
获取各个所述数据点的异常点查找半径,所述各个所述数据点的异常点查找半径为各个所述数据点到所述第一聚类中心的欧式距离与预设比例的乘积;
判断在各个所述数据点的异常点查找半径范围内是否存在其他数据点;
若各个所述数据点中第一数据点的异常点查找半径范围内存在其他数据点,则确定所述第一数据点不为异常噪声点;
若各个所述数据点中第二数据点的异常点查找半径范围内不存在其他数据点,则确定所述第二数据点为异常噪声点;
汇总所有所述第二数据点,得到所述异常噪声点集。
可选地,所述利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集,包括:
分别计算所述去噪数据点集中的各个去噪数据点与多个所述第二聚类中心的欧式距离;
将各个所述去噪数据点分别划分至所述欧式距离最小时对应的第二聚类中心,得到多个聚类数据子集。
可选地,所述根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,包括:
获取多个所述聚类数据子集中所有的数据点的横坐标和纵坐标;
计算多个所述聚类数据子集中所有数据点的横坐标和纵坐标的平均值,得到聚类中心。
可选地,所述将所述待聚类数据集转化为数据点集,包括:
获取所述待聚类数据集中待聚类数据的数据类型;
根据所述数据类型将所述待聚类数据集中的待聚类数据映射至平面坐标系,得到所述数据点集。
可选地,所述为所述去噪数据点集随机设置至少两个第二聚类中心,包括:
基于所述去噪数据点集构建平方误差和公式;
根据所述平方误差和公式在平面直角坐标系中构建误差和图像;
获取所述误差和图像的拐点,将所述拐点对应的横坐标作为所述第二聚类中心的数目,根据所述第二聚类中心的数目随机设置多个点作为所述第二聚类中心。
可选地,所述平方误差和公式为:
Figure BDA0003300658300000031
其中,SSE为所有所述去噪数据点的平方误差和,Ci表示所述去噪数据点集中的第i个聚类中心,P为Ci中的样品点,mi为Ci中所有的样品点的均值,所述样品点为正在用于计算平方误差和的所述去噪数据点,k为正整数。
为了解决上述问题,本发明还提供一种无监督聚类装置,所述装置包括:
数据转化模块,用于获取待聚类数据集,将所述待聚类数据集转化为数据点集;
噪声点获取模块,用于在所述数据点集中选取第一聚类中心,计算所述数据点集中各个数据点到所述第一聚类中心的欧式距离,并根据所述欧式距离从所述数据点集中获取异常噪声点集;
数据剔除模块,用于将所述异常噪声点集中不满足预设数据规则的噪声数据点剔除,得到去噪数据点集;
数据聚类模块,用于为所述去噪数据点集随机设置至少两个第二聚类中心,利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集;
数据重新聚类模块,用于根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,再根据重新计算得到的聚类中心重新将所述去噪数据点集中的各个去噪数据点划分数据类,得到新的多个聚类数据子集,再次执行所述根据多个所述聚类数据子集重新计算聚类中心的操作,直至所述去噪数据点集的聚类中心满足预设条件,得到最终聚类数据。
为了解决上述问题,本发明还提供一种电子设备,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如上所述的无监督聚类方法。
为了解决上述问题,本发明还提供一种计算机可读存储介质,包括存储数据区和存储程序区,存储数据区存储创建的数据,存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现如上所述的无监督聚类方法。
本发明实施例中,将获取的聚类数据集转化为数据点集,在所述数据点集中设置第一聚类中心,找出异常噪声点,结合预设数据规则剔除异常噪声点,得到去噪数据集,避免了噪声数据对聚类结果产生干扰,之后重新设置第二聚类中心,利用第二聚类中心重新划分数据类,得到聚类数据,并不断更迭,在聚类中心满足预设条件时得到最终聚类数据,在不断更迭的过程中基于去噪数据集重新计算聚类中心,降低初始聚类中心的影响,因此,本发明实施例可以实现提高数据聚类效果的目的。
附图说明
图1为本发明一实施例提供的一种无监督聚类方法的流程示意图;
图2为本发明一实施例提供一种无监督聚类方法中一个步骤的详细流程示意图;
图3为本发明一实施例提供的误差和图像的示例图;
图4为本发明一实施例提供的无监督聚类装置的模块示意图;
图5为本发明一实施例提供的实现无监督聚类方法的电子设备的内部结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种无监督聚类方法。所述无监督聚类方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。其中,服务器可以是独立的服务器,也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network,CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。换言之,所述无监督聚类方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
参照图1所示,为本发明一实施例提供的一种无监督聚类方法的流程示意图。在本实施例中,所述无监督聚类方法包括:
S1、获取待聚类数据集,将所述待聚类数据集转化为数据点集。
本发明实施例中,所述待聚类数据集为需要聚类的数据集合,通过对所述待聚类数据进行聚类,可以查找所述待聚类数据间的数据联系,并将所述待聚类数据划分为预设数目的多个数据类,其中每个数据类中的数据都是相似度大于预设阈值的数据。
例如,待聚类数据集中包含文本单词,通过对这些文本单词进行聚类,将语义相近的文本单词划分到一个类别下,最后得到多个文本单词的聚类。
具体的,所述数据点集为将待聚类数据转化为数据点的集合,数据点即为待聚类数据转化后在平面坐标系的坐标点。通过将所述待聚类数据转化为数据点,可以形象的将数据展示出来,直观的表现出数据之间的联系,便于聚类计算。
本发明实施例中,所述将所述待聚类数据集转化为数据点集,包括:
获取所述待聚类数据集中待聚类数据的数据类型;
根据所述数据类型将所述待聚类数据集中的待聚类数据映射至平面坐标系,得到所述数据点集。
本发明实施例中,所述数据类型为所述待聚类数据所属的数据类别,例如文本数据类别、图像数据类别等,所述平面坐标系用于表示数据点集在平面中的位置,便于进行后续的数据聚类。
本发明实施例中,若待聚类数据为文本数据,则将对文本数据进行向量化,获取向量化文本,并将向量化文本映射至平面坐标系中,其中,将文本数据向量化可以通过word2vec向量化算法中的词袋(Bag Of Word)模型来实现。
另一可选实施例中,若待聚类数据为二维点云数据,则可以直接将二维点云数据映射至平面坐标系中,得到数据点集。
S2、在所述数据点集中选取第一聚类中心,计算所述数据点集中各个数据点到所述第一聚类中心的欧式距离,并根据所述欧式距离从所述数据点集中获取异常噪声点集。
本发明实施例中,所述第一聚类中心为随机设置的中心点,有且只有一个,通过计算所述第一聚类中心和所述数据点集中各个数据点的欧式距离可以确定异常噪声点。
本发明实施例中,所述异常噪声点即为无聚类价值的数据点,具体的,异常噪声点的坐标距离相距最近数据点的坐标距离大于预设阈值。
本发明实施例中,由于所述数据点集中的数据点均为二维坐标系中的数据点,因此,通过下述欧式距离公式计算所述第一聚类中心和所述数据点集中各个数据点的欧式距离。
进一步地,所述欧式距离计算公式为:
Figure BDA0003300658300000061
其中,所述d(Ci,E)为数据点Ci至第一聚类中心E的欧式距离,cx和ex分别为数据点Ci和第一聚类中心E的x轴坐标,cy和ey分别为数据点Ci和第一聚类中心E的y轴坐标。
请参见图2,图2为本发明一实施例提供一种无监督聚类方法中一个步骤的详细流程示意图。
本发明实施例中,所述根据所述欧式距离从所述数据点集中获取异常噪声点集,包括:
S201、获取各个所述数据点的异常点查找半径,所述各个所述数据点的异常点查找半径为各个所述数据点到所述第一聚类中心的欧式距离与预设比例的乘积;
S202、判断在各个所述数据点的异常点查找半径范围内是否存在其他数据点;
S203、若各个所述数据点中第一数据点的异常点查找半径范围内存在其他数据点,则确定所述第一数据点不为异常噪声点;
S204、若各个所述数据点中第二数据点的异常点查找半径范围内不存在其他数据点,则确定所述第二数据点为异常噪声点;
S205、汇总所有所述第二数据点,得到所述异常噪声点集。
本发明实施例中,通过将所述异常噪声点筛选出来可以避免无意义的数据的干扰。
本发明实施例中,通过各个数据点到第一聚类中心的欧式距离与预设比例的乘积构建异常点查找半径,可以将各个所述数据点分情况确定不同的异常点查找半径,即距离所述第一聚类中心越远的数据点所确定的查找范围越大,距离所述第一聚类中心越近的数据点所确定的范围越小。
本发明其他实施例中,还可通过预设固定距离为异常点查找半径在所述数据点周围查找。
S3、将所述异常噪声点集中不满足预设数据规则的噪声数据点剔除,得到去噪数据集点。
本发明实施例中,所述数据规则用于判断所述噪声数据集中的数据点是否需要剔除。
本发明实施例中,通过所述异常噪声点集可以获取所述异常噪声点对应的待聚类数据,得到噪声数据集。
本发明实施例中,所述数据规则可以根据所述待聚类数据的业务场景而异。例如,在基金代理人为金融投资客户代持基金这一业务场景下,数据规则为每个金融投资客户仅可提供一组数据,则若金融投资客户一个月内被五个及以上代理人扫码,则将扫码得到的数据仅保留一组,其余全部删除。
本发明实施例中,所述去噪数据点集为去除了不满足预设数据规则的噪声数据点后的数据点集。即所述去噪数据点集中的所有数据点都是用于后续进行数据聚类的数据点。
进一步地,若直接根据所述预设规则从待聚类数据集中查找不满足规则的数据的话,计算量较大,占用计算资源,因此通过设置第一聚类中心进行初步筛选。
S4、为所述去噪数据点集随机设置至少两个第二聚类中心,利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集。
本发明实施例中,所述第二聚类中心为至少两个,可以用轮廓系数法获取第二聚类中心数目。
进一步地,所述为所述去噪数据点集随机设置至少两个第二聚类中心,包括:
基于所述去噪数据点集构建平方误差和公式;
根据所述平方误差和公式在平面直角坐标系中构建误差和图像;
获取所述误差和图像的拐点,将所述拐点对应的横坐标作为所述第二聚类中心的数目,根据所述第二聚类中心的数目随机设置多个点作为所述第二聚类中心。
具体的,所述平方误差和公式为:
Figure BDA0003300658300000081
其中,SSE为所有去噪数据点的平方误差和,表示聚类效果的好坏,Ci表示去噪数据点集中的第i个聚类中心,P为Ci中的样品点,mi为Ci中所有的样品点的均值,k为正整数。
具体的,所述样品点为正在用于计算平方误差和的所述去噪数据点。
请参见图3,图3为误差和图像的示例图。
在图3中,横坐标为K值,其中K值为从1开始逐渐增大的正整数,纵坐标为误差和。
本发明实施例中,所述利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集,包括:
分别计算所述去噪数据点集中的各个去噪数据点与多个所述第二聚类中心的欧式距离;
将各个所述去噪数据点分别划分至所述欧式距离最小时对应的第二聚类中心,得到多个聚类数据子集。
例如,存在a、b、c、d、e五个数据点,有两个第二聚类中心A、B,将计算a、b、c、d、e五个数据点分别到这两个聚类中心的欧式距离,若数据点a距离第二聚类中心A的欧式距离小于数据点a距离第二聚类中心B的距离,则将数据点a划分至第二聚类中心A,对其余数据点b、c、d、e都重复上述操作,可以得到两个聚类数据子集,分别为以第二聚类中心A为聚类中心的聚类数据子集和以第二聚类中心B为聚类中的聚类数据子集。
本发明实施例中,划分好的数据类为一个类别的数据点的集合,表示在坐标系中,为距离小于预设阈值的所有数据点的集合。
S5、根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,再根据重新计算得到的聚类中心重新将所述去噪数据点集中的各个去噪数据点划分数据类,得到新的多个聚类数据子集,再次执行所述根据多个所述聚类数据子集重新计算聚类中心的操作,直至所述去噪数据点集的聚类中心满足预设条件,得到最终聚类数据。
本发明实施例中,所述预设条件可以为所述去噪数据点集的聚类中心不再发生变化,即经过不断地计算聚类中心的操作,最后到达的稳定状态。
本发明实施例中,重新确定聚类中心可以进一步调整聚类数据,使所述聚类中心结合所述数据聚类中所述数据点的特征。
本发明其他实施例中,还可设置其余终止条件,例如,所述聚类中心的中心点距离上次变化的原中心点的欧式距离小于预设阈值。
本发明实施例中,所述根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,包括:
获取多个所述聚类数据子集中所有的数据点的横坐标和纵坐标;
计算多个所述聚类数据子集中所有数据点的横坐标和纵坐标的平均值,得到聚类中心。
本发明实施例中,将获取的聚类数据集转化为数据点集,在所述数据点集中设置第一聚类中心,找出异常噪声点,结合预设数据规则剔除异常噪声点,得到去噪数据集,避免了噪声数据对聚类结果产生干扰,之后重新设置第二聚类中心,利用第二聚类中心重新划分数据类,得到聚类数据,并不断更迭,在聚类中心满足预设条件时得到最终聚类数据,在不断更迭的过程中基于去噪数据集重新计算聚类中心,降低初始聚类中心的影响,因此,本发明实施例可以实现提高数据聚类效果的目的。
如图4所示,是本发明无监督聚类装置的模块示意图。
本发明所述无监督聚类装置100可以安装于电子设备中。根据实现的功能,所述无监督聚类装置可以包括数据转化模块101、噪声点获取模块102、数据剔除模块103、数据聚类模块104和数据重新聚类模块105。本发明所述模块也可以称之为单元,是指一种能够被电子设备处理器所执行,并且能够完成固定功能的一系列计算机程序段,其存储在电子设备的存储器中。
在本实施例中,关于各模块/单元的功能如下:
所述数据转化模块101,用于获取待聚类数据集,将所述待聚类数据集转化为数据点集;
噪声点获取模块102,用于在所述数据点集中选取第一聚类中心,计算所述数据点集中各个数据点到所述第一聚类中心的欧式距离,并根据所述欧式距离从所述数据点集中获取异常噪声点集;
数据剔除模块103,用于将所述异常噪声点集中不满足预设数据规则的噪声数据点剔除,得到去噪数据点集;
数据聚类模块104,用于为所述去噪数据点集随机设置至少两个第二聚类中心,利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集;
数据重新聚类模块105,用于根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,再根据重新计算得到的聚类中心重新将所述去噪数据点集中的各个去噪数据点划分数据类,得到新的多个聚类数据子集,再次执行所述根据多个所述聚类数据子集重新计算聚类中心的操作,直至所述去噪数据点集的聚类中心满足预设条件,得到最终聚类数据。
详细地,本发明实施例中所述无监督聚类装置100中所述的各模块在使用时采用与上述图1至图2中所述的无监督聚类方法一样的技术手段,并能够产生相同的技术效果,这里不再赘述。
如图5所示,是本发明实现无监督聚类方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信总线12以及通信接口13,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如无监督聚类程序。
其中,所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(ControlUnit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(例如执行无监督聚类程序等),以及调用存储在所述存储器11内的数据,以执行电子设备的各种功能和处理数据。
所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元,例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备,例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(Secure Digital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据,例如无监督聚类程序的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述通信总线12可以是外设部件互连标准(peripheral componentinterconnect,简称PCI)总线或扩展工业标准结构(extended industry standardarchitecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
所述通信接口13用于上述电子设备与其他设备之间的通信,包括网络接口和用户接口。可选地,所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
图5仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图5示出的结构并不构成对所述电子设备的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的无监督聚类程序是多个计算机程序的组合,在所述处理器10中运行时,可以实现:
获取待聚类数据集,将所述待聚类数据集转化为数据点集;
在所述数据点集中选取第一聚类中心,计算所述数据点集中各个数据点到所述第一聚类中心的欧式距离,并根据所述欧式距离从所述数据点集中获取异常噪声点集;
将所述异常噪声点集中不满足预设数据规则的噪声数据点剔除,得到去噪数据点集;
为所述去噪数据点集随机设置至少两个第二聚类中心,利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集;
根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,再根据重新计算得到的聚类中心重新将所述去噪数据点集中的各个去噪数据点划分数据类,得到新的多个聚类数据子集,再次执行所述根据多个所述聚类数据子集重新计算聚类中心的操作,直至所述去噪数据点集的聚类中心满足预设条件,得到最终聚类数据。
具体地,所述处理器10对上述计算机程序的具体实现方法可参考图1对应实施例中相关步骤的描述,在此不赘述。
进一步地,所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个非易失性计算机可读取存储介质中。所述计算机可读存储介质可以是易失性的,也可以是非易失性的。例如,所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)。
本发明还提供一种计算机可读存储介质,所述可读存储介质存储有计算机程序,所述计算机程序在被电子设备的处理器所执行时,可以实现:
获取待聚类数据集,将所述待聚类数据集转化为数据点集;
在所述数据点集中选取第一聚类中心,计算所述数据点集中各个数据点到所述第一聚类中心的欧式距离,并根据所述欧式距离从所述数据点集中获取异常噪声点集;
将所述异常噪声点集中不满足预设数据规则的噪声数据点剔除,得到去噪数据点集;
为所述去噪数据点集随机设置至少两个第二聚类中心,利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集;
根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,再根据重新计算得到的聚类中心重新将所述去噪数据点集中的各个去噪数据点划分数据类,得到新的多个聚类数据子集,再次执行所述根据多个所述聚类数据子集重新计算聚类中心的操作,直至所述去噪数据点集的聚类中心满足预设条件,得到最终聚类数据。
在本发明所提供的几个实施例中,应该理解到,所揭露的设备,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外,显然“包括”一词不排除其他单元或步骤,单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称,而并不表示任何特定的顺序。
最后应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或等同替换,而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种无监督聚类方法,其特征在于,所述方法包括:
获取待聚类数据集,将所述待聚类数据集转化为数据点集;
在所述数据点集中选取第一聚类中心,计算所述数据点集中各个数据点到所述第一聚类中心的欧式距离,并根据所述欧式距离从所述数据点集中获取异常噪声点集;
将所述异常噪声点集中不满足预设数据规则的噪声数据点剔除,得到去噪数据点集;
为所述去噪数据点集随机设置至少两个第二聚类中心,利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集;
根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,再根据重新计算得到的聚类中心重新将所述去噪数据点集中的各个去噪数据点划分数据类,得到新的多个聚类数据子集,再次执行所述根据多个所述聚类数据子集重新计算聚类中心的操作,直至所述去噪数据点集的聚类中心满足预设条件,得到最终聚类数据。
2.如权利要求1所述的无监督聚类方法,其特征在于,所述根据所述欧式距离从所述数据点集中获取异常噪声点集,包括:
获取各个所述数据点的异常点查找半径,所述各个所述数据点的异常点查找半径为各个所述数据点到所述第一聚类中心的欧式距离与预设比例的乘积;
判断在各个所述数据点的异常点查找半径范围内是否存在其他数据点;
若各个所述数据点中第一数据点的异常点查找半径范围内存在其他数据点,则确定所述第一数据点不为异常噪声点;
若各个所述数据点中第二数据点的异常点查找半径范围内不存在其他数据点,则确定所述第二数据点为异常噪声点;
汇总所有所述第二数据点,得到所述异常噪声点集。
3.如权利要求1所述的无监督聚类方法,其特征在于,所述利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集,包括:
分别计算所述去噪数据点集中的各个去噪数据点与多个所述第二聚类中心的欧式距离;
将各个所述去噪数据点分别划分至所述欧式距离最小时对应的第二聚类中心,得到多个聚类数据子集。
4.如权利要求1所述的无监督聚类方法,其特征在于,所述根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,包括:
获取多个所述聚类数据子集中所有的数据点的横坐标和纵坐标;
计算多个所述聚类数据子集中所有数据点的横坐标和纵坐标的平均值,得到聚类中心。
5.如权利要求1至4中任一项所述的无监督聚类方法,其特征在于,所述将所述待聚类数据集转化为数据点集,包括:
获取所述待聚类数据集中待聚类数据的数据类型;
根据所述数据类型将所述待聚类数据集中的待聚类数据映射至平面坐标系,得到所述数据点集。
6.如权利要求1至4中任一项所述的无监督聚类方法,其特征在于,所述为所述去噪数据点集随机设置至少两个第二聚类中心,包括:
基于所述去噪数据点集构建平方误差和公式;
根据所述平方误差和公式在平面直角坐标系中构建误差和图像;
获取所述误差和图像的拐点,将所述拐点对应的横坐标作为所述第二聚类中心的数目,根据所述第二聚类中心的数目随机设置多个点作为所述第二聚类中心。
7.如权利要求6所述的无监督聚类方法,其特征在于,所述平方误差和公式为:
Figure FDA0003300658290000021
其中,SSE为所有所述去噪数据点的平方误差和,Ci表示所述去噪数据点集中的第i个聚类中心,P为Ci中的样品点,mi为Ci中所有的样品点的均值,所述样品点为正在用于计算平方误差和的所述去噪数据点,k为正整数。
8.一种无监督聚类装置,其特征在于,所述装置包括:
数据转化模块,用于获取待聚类数据集,将所述待聚类数据集转化为数据点集;
噪声点获取模块,用于在所述数据点集中选取第一聚类中心,计算所述数据点集中各个数据点到所述第一聚类中心的欧式距离,并根据所述欧式距离从所述数据点集中获取异常噪声点集;
数据剔除模块,用于将所述异常噪声点集中不满足预设数据规则的噪声数据点剔除,得到去噪数据点集;
数据聚类模块,用于为所述去噪数据点集随机设置至少两个第二聚类中心,利用所述第二聚类中心将所述去噪数据点集中的各个去噪数据点重新划分数据类,得到多个聚类数据子集;
数据重新聚类模块,用于根据多个所述聚类数据子集重新计算所述去噪数据点集的聚类中心,再根据重新计算得到的聚类中心重新将所述去噪数据点集中的各个去噪数据点划分数据类,得到新的多个聚类数据子集,再次执行所述根据多个所述聚类数据子集重新计算聚类中心的操作,直至所述去噪数据点集的聚类中心满足预设条件,得到最终聚类数据。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1至7中任一项所述的无监督聚类方法。
10.一种计算机可读存储介质,包括存储数据区和存储程序区,存储数据区存储创建的数据,存储程序区存储有计算机程序;其中,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的无监督聚类方法。
CN202111189639.5A 2021-10-13 2021-10-13 无监督聚类方法、装置、电子设备及介质 Pending CN113869455A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111189639.5A CN113869455A (zh) 2021-10-13 2021-10-13 无监督聚类方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111189639.5A CN113869455A (zh) 2021-10-13 2021-10-13 无监督聚类方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN113869455A true CN113869455A (zh) 2021-12-31

Family

ID=78999304

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111189639.5A Pending CN113869455A (zh) 2021-10-13 2021-10-13 无监督聚类方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN113869455A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117876412A (zh) * 2024-03-12 2024-04-12 江西求是高等研究院 三维重建的背景分离方法、系统、可读存储介质及计算机

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106657065A (zh) * 2016-12-23 2017-05-10 陕西理工学院 一种基于数据挖掘的网络异常检测方法
CN109978070A (zh) * 2019-04-03 2019-07-05 北京市天元网络技术股份有限公司 一种改进的K-means异常值检测方法以及装置

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106657065A (zh) * 2016-12-23 2017-05-10 陕西理工学院 一种基于数据挖掘的网络异常检测方法
CN109978070A (zh) * 2019-04-03 2019-07-05 北京市天元网络技术股份有限公司 一种改进的K-means异常值检测方法以及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
吴广建等: "基于K-means的手肘法自动获取K值方法研究", 《软件》, vol. 40, no. 5, 31 December 2019 (2019-12-31), pages 167 - 170 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117876412A (zh) * 2024-03-12 2024-04-12 江西求是高等研究院 三维重建的背景分离方法、系统、可读存储介质及计算机
CN117876412B (zh) * 2024-03-12 2024-05-24 江西求是高等研究院 三维重建的背景分离方法、系统、可读存储介质及计算机

Similar Documents

Publication Publication Date Title
CN112699775A (zh) 基于深度学习的证件识别方法、装置、设备及存储介质
CN113705462A (zh) 人脸识别方法、装置、电子设备及计算机可读存储介质
CN112115152A (zh) 数据增量更新及查询方法、装置、电子设备及存储介质
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN113868529A (zh) 知识推荐方法、装置、电子设备及可读存储介质
CN112949278A (zh) 数据核对方法、装置、电子设备及可读存储介质
CN113268665A (zh) 基于随机森林的信息推荐方法、装置、设备及存储介质
CN114708461A (zh) 基于多模态学习模型的分类方法、装置、设备及存储介质
CN114840531A (zh) 基于血缘关系的数据模型重构方法、装置、设备及介质
CN113869455A (zh) 无监督聚类方法、装置、电子设备及介质
CN113487621A (zh) 医学图像分级方法、装置、电子设备及可读存储介质
CN112862703A (zh) 基于移动拍照的图像校正方法、装置、电子设备及介质
CN112733531A (zh) 虚拟资源分配方法、装置、电子设备及计算机存储介质
CN113706422B (zh) 一种基于获取关键点的图像校正方法、装置、设备及介质
CN111460293A (zh) 信息推送方法、装置及计算机可读存储介质
CN113705686B (zh) 图像分类方法、装置、电子设备及可读存储介质
CN112561500B (zh) 基于用户数据的薪酬数据生成方法、装置、设备及介质
CN114840388A (zh) 数据监控方法、装置、电子设备及存储介质
CN115203364A (zh) 软件故障反馈处理方法、装置、设备及可读存储介质
CN114743003A (zh) 基于图像分类的因果解释方法、装置、设备及存储介质
CN114417998A (zh) 数据特征映射方法、装置、设备及存储介质
CN113591881A (zh) 基于模型融合的意图识别方法、装置、电子设备及介质
CN113343102A (zh) 基于特征筛选的数据推荐方法、装置、电子设备及介质
CN111652741A (zh) 用户偏好分析方法、装置及可读存储介质
CN112667570A (zh) 文件访问方法、装置、设备及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination