CN116304771A - 基于KMeans的联邦聚类模型的确定方法、装置、设备及介质 - Google Patents
基于KMeans的联邦聚类模型的确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116304771A CN116304771A CN202211447545.8A CN202211447545A CN116304771A CN 116304771 A CN116304771 A CN 116304771A CN 202211447545 A CN202211447545 A CN 202211447545A CN 116304771 A CN116304771 A CN 116304771A
- Authority
- CN
- China
- Prior art keywords
- target
- target sample
- cluster
- sample object
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 238000004138 cluster model Methods 0.000 claims abstract description 220
- 238000004590 computer program Methods 0.000 claims description 16
- 239000004973 liquid crystal related substance Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 description 12
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000006872 improvement Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000003999 initiator Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Bioethics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于KMeans的联邦聚类模型的确定方法、装置、设备及介质,涉及联邦学习技术领域。方法包括:确定至少两个候选聚类模型;其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心;采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差;采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数;根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。上述技术方案,提高了各数据参与方的数据的安全性。
Description
技术领域
本发明涉及联邦学习技术领域,尤其一种基于KMeans的联邦聚类模型的确定方法、装置、设备及介质。
背景技术
纵向联邦KMeans(K均值聚类算法)学习指的是多个不同的数据方对拥有共同样本的不同特征的融合数据集进行数据挖掘。
目前,纵向联邦KMeans学习中基于KMeans的联邦聚类模型的确定方法,通常将各数据参与方的数据发送至协调参与方也即第三方,由协调参与方中聚类服务器对聚类模型进行评估。此种方法,在数据传递过程中存在数据安全隐患。
发明内容
本发明提供了一种基于KMeans的联邦聚类模型的确定方法、装置、设备及介质,以提高聚类模型预测的准确性、数据参与方的数据的安全性。
根据本发明的一方面,提供了一种基于KMeans的联邦聚类模型的确定方法,其中,联邦包括至少两个数据参与方,不同数据参与方的特征维度不同;方法应用于任一数据参与方;该方法包括:
确定至少两个候选聚类模型;其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心;
采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差;
采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数;
根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。
根据本发明的另一方面,提供了一种基于KMeans的联邦聚类模型的确定装置,其中,联邦包括至少两个数据参与方,不同数据参与方的特征维度不同;装置应用于任一数据参与方;该装置包括:
候选模型确定模块,用于确定至少两个候选聚类模型;其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心;
和方差确定模块,用于采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差;
轮廓系数确定模块,用于采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数;
目标模型确定模块,用于根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。
根据本发明的另一方面,提供了一种电子设备,电子设备包括:
至少一个处理器;以及
与至少一个处理器通信连接的存储器;其中,
存储器存储有可被至少一个处理器执行的计算机程序,计算机程序被至少一个处理器执行,以使至少一个处理器能够执行本发明任一实施例的基于KMeans的联邦聚类模型的确定方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机指令,计算机指令用于使处理器执行时实现本发明任一实施例的基于KMeans的联邦聚类模型的确定方法。
本发明实施例的技术方案通过确定至少两个候选聚类模型;其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心;采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差;采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数;根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。本发明实施例的技术方案,通过采用可验证的秘密分享联合加法,确定目标和方差和目标轮廓系数;并根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型,提高了聚类模型预测的准确性和数据参与方的数据的安全性。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例一提供的一种基于KMeans的联邦聚类模型的确定方法的流程图;
图2是根据本发明实施例二提供的一种基于KMeans的联邦聚类模型的确定方法的流程图;
图3是根据本发明实施例三提供的一种基于KMeans的联邦聚类模型的确定方法的流程图;
图4是根据本发明实施例四提供的一种基于KMeans的联邦聚类模型的确定方法的流程图;
图5A是根据本发明实施例五提供的一种基于KMeans的联邦聚类模型的确定方法的流程图;
图5B是根据本发明实施例五提供的一种目标和方差的矩阵示意图;
图6是根据本发明实施例六提供的一种基于KMeans的联邦聚类模型的确定装置的结构示意图;
图7是实现本发明实施例七提供的一种基于KMeans的联邦聚类模型的确定方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
此外,还需要说明的是,本发明的技术方案中,所涉及的目标样本对象对应的样本特征数据等的收集、存储、使用、加工、传输、提供和公开等处理,均符合相关法律法规的规定,且不违背公序良俗。
实施例一
图1为本发明实施例一提供的一种基于KMeans的联邦聚类模型的确定方法的流程图,本实施例可适用于人群分类和精准营销等的场景中,如何确定基于KMeans的联邦聚类模型以进行诸如人群分类的情况,该方法可以由一种基于KMeans的联邦聚类模型的确定装置来执行,该基于KMeans的联邦聚类模型的确定装置可以采用硬件和/或软件的形式实现,该基于KMeans的联邦聚类模型的确定装置可配置于电子设备中。
其中,联邦包括至少两个数据参与方,不同数据参与方的特征维度不同,该方法可以应用于任一数据参与方。数据参与方可以是本发明实施例的一种基于KMeans的联邦聚类模型确定方法中的数据的提供方,例如可以是机构、企业和个人等。
如图1所示,该方法包括:
S101、确定至少两个候选聚类模型。
本实施例中,候选聚类模型可以是指初始设置好的包含设定数量个簇的聚类模型。其中,不同候选聚类模型中的簇数不同,候选聚类模型包括至少两个簇中心;簇数可以是候选聚类模型中的簇的数量,一个簇即表示一类,每个簇对应一个簇中心。
具体的,任一数据参与方可作为任务发起方,可以基于现有聚类模型的确定方式,确定不同簇数的至少两个候选聚类模型。例如,可以分别确定簇数为3的候选聚类模型,即候选聚类模型可以将数据分为3个类或簇;簇数为4的候选聚类模型,即候选聚类模型可以将数据分为4个类或簇……以此类推,可以根据实际需求,确定至少两个不同簇的候选聚类模型。
S102、采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差。
其中,样本对象可以包括各种事务对象,例如图像、语音或者用户对象等。目标样本对象可以是当前待聚类的样本对象。目标样本对象的样本特征可以包括目标样本对象的多个维度的特征;需要说明的是,不同的数据参与方中存储有目标样本对象不同维度的特征;目标样本对象对应本地的样本特征可以是目标样本对象中与本地相同维度的特征;目标样本对象对应其他数据参与方的样本特征可以是目标样本对象中与其他数据参与方相同维度的特征;例如目标样本对象的样本特征包括{m1,m2,m3,m4,m5,m6,m7,m8}这8个维度的特征,数据参与方包括参与方A(为本地的任务发起方),参与方B和参与方C,其中,参与方A中存储有目标样本对象的{m1,m2,m3}这三个维度的特征;参与方B存储有目标样本对象{m4,m5}这两个维度的特征;参与方C存储有目标样本对象{m6,m7,m8}这三个维度的特征。
目标和方差可以是目标样本对象与候选聚类模型的簇中心之间的距离和方差,可以用于表征候选聚类模型的聚类效果。目标和方差越小,表征对应聚类模型的聚类效果越好;目标和方差越大,表征对应聚类模型的聚类效果越差。
具体的,根据目标样本对象和本地数据方的特征维度,确定目标样本对象对应本地的样本特征;根据目标样本对象和其他数据参与方的特征维度,确定目标样本对象对应其他数据参与方的样本特征;采用可验证的秘密分享联合加法,根据目标样本对象对应各数据参与方的样本特征与候选聚类模型在各数据参与方的簇中心的对应特征之间的距离和方差,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差。
需要说明的是,本发明对可验证的秘密分享联合加法不作限定,可验证的秘密分享联合加法例如可以是Feldman-VSS(Feldman-Verifiable Secret Sharing,费尔德曼-可验证的秘密共享)加法或Pedersen-VSS(Pedersen-Verifiable Secret Sharing,佩德森-可验证秘密共享)加法等。
S103、采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数。
本实施例中,目标轮廓系数可以用于表征聚类模型的聚类效果。轮廓系数越大,表征对应的聚类模型的聚类效果越好;轮廓系数越小,表征对应的聚类模型的聚类效果越差。
具体的,确定目标样本对象在候选聚类模型的各数据参与方中目标样本对象所属簇的簇内距离,以及非目标样本对象所属簇的簇间距离;采用可验证的秘密分享联合加法,根据目标样本对象所属簇的簇内距离,以及非目标样本对象所属簇的簇间距离,确定目标样本对象在候选聚类模型中对应的目标轮廓系数。
S104、根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。
本实施例中,目标聚类模型可以是最终选择的对样本对象进行聚类效果最优的候选聚类模型。
具体的,从至少两个候选聚类模型中选取目标和方差最小,且目标轮廓系数最大的候选聚类模型作为目标聚类模型。
需要说明的是,本发明基于纵向联邦聚类分析,对不同行业的特征数据联合建模,通过隐私计算的方式确保使用数据安全前提下,增加了数据维度,提升了聚类模型预测的准确性,尤其在人群分类,精准营销的场景中,可以基于本发明所确定的聚类模型,对人群进行精准分类,从而可实现精准营销。
本发明实施例的技术方案,通过确定至少两个候选聚类模型;其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心;采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差;采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数;根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。本发明实施例的技术方案,通过采用可验证的秘密分享联合加法,确定目标和方差和目标轮廓系数;并根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型,提高了数据参与方的数据的安全性。
实施例二
图2为本发明实施例二提供的一种基于KMeans的联邦聚类模型的确定方法的流程图,本实施例在上述实施例的基础上,对目标样本对象与候选聚类模型的簇中心之间的目标和方差的确定方法进行了优化改进。
进一步地,将“采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差”细化为“确定目标样本对象对应本地的样本特征与候选聚类模型在本地对应的簇中心之间的本地和方差;采用可验证的秘密分享联合加法,根据本地和方差和其他和方差,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差”,以完善目标样本对象与候选聚类模型的簇中心之间的目标和方差的确定操作。
需要说明的是,在本发明实施例中未详述部分,可参见前述实施例的表述。
如图2所示,该方法包括:
S201、确定至少两个候选聚类模型。
其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心。
S202、确定目标样本对象对应本地的样本特征与候选聚类模型在本地对应的簇中心之间的本地和方差。
本实施例中,本地和方差可以是目标样本对象对应本地的样本特征与候选聚类模型在本地对应的簇中心的特征之间的距离和方差。其中,本地的样本特征与本地对应的簇中心的特征的维度相同。
具体的,确定目标样本对象对应本地的样本特征与候选聚类模型在本地对应的簇中心的特征之间的距离,将各维度特征之间的距离完全平方,并累加,得到目标样本对象对应本地的样本特征与候选聚类模型在本地对应的簇中心之间的本地和方差。
示例性的,可以通过以下公式确定目标样本对象对应本地的样本特征与候选聚类模型在本地对应的簇中心之间的本地和方差:
SSEA(i)=(xi1-xa1)2+(xi2-xa2)2+…+(xim-xam)2;
其中,A表示本地的数据参与方;m表示本地A的特征维度数量;i表示目标样本对象;[xi1,xi2,…,xim]表示目标样本对象i对应本地A的样本特征;[xa1,xa2,…,xam]表示候选聚类模型在本地对应的簇中心的特征;SSEA(i)表示目标样本对象i对应本地A的样本特征与候选聚类模型在本地A对应的簇中心之间的本地和方差。
S203、采用可验证的秘密分享联合加法,根据本地和方差和其他和方差,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差。
其中,其他和方差为目标样本对象对应其他数据参与方的样本特征与候选聚类模型在其他数据参与方对应的簇中心之间的和方差;每一个其他数据参与方对应一个其他和方差。
相应的,确定其他和方差的过程与上述确定本地和方差的过程类似,此处不再赘述。
具体的,采用可验证的秘密分享联合加法,将本地和方差与其他和方差相加,得到目标样本对象与候选聚类模型的簇中心之间的目标和方差。示例性的,假设数据参与方有3个,分别为本地参与方A(本地A),其他数据参与方B和其他数据参与方C;目标样本对象与候选聚类模型的簇中心之间的目标和方差可以通过以下公式确定:
SSEi=SSEA(i)+SSEB(i)+SSEC(i);
其中,SSEi表示目标样本对象i与候选聚类模型的簇中心之间的目标和方差;SSEA(i)表示目标样本对象i对应本地A的样本特征与候选聚类模型在本地A对应的簇中心之间的本地和方差;SSEB(i)表示目标样本对象i对应其他数据参与方B的样本特征与候选聚类模型在其他数据参与方B对应的簇中心之间的其他和方差;SSEC(i)表示目标样本对象i对应其他数据参与方C的样本特征与候选聚类模型在其他数据参与方C对应的簇中心之间的其他和方差。
S204、采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数。
S205、根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。
本发明实施例的技术方案,通过确定目标样本对象对应本地的样本特征与候选聚类模型在本地对应的簇中心之间的本地和方差;采用可验证的秘密分享联合加法,根据本地和方差和其他和方差,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差。采用上述技术方案,通过确定本地和方差与其他和方差,并根据可验证的秘密分享联合加法,避免现有技术中将数据参与方所计算的和方差发送给第三方协调方进行整合,而存在数据泄露的风险,提高了数据的安全性。
实施例三
图3为本发明实施例三提供的一种基于KMeans的联邦聚类模型的确定方法的流程图,本实施例在上述实施例的基础上,进行了追加优化改进。
进一步地,追加“根据目标样本对象与候选聚类模型的至少两个簇中心之间的目标和方差,确定目标样本对象的聚类结果”,以根据目标样本对象的聚类结果,完善目标样本对象在候选聚类模型中对应的目标轮廓系数的确定操作。
需要说明的是,在本发明实施例中未详述部分,可参见前述实施例的表述。
如图3所示,该方法包括:
S301、确定至少两个候选聚类模型。
其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心。
S302、采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差。
S303、根据目标样本对象与候选聚类模型的至少两个簇中心之间的目标和方差,确定目标样本对象的聚类结果。
本实施例中,目标样本对象的聚类结果用于表征目标样本对象经聚类后所属的簇。
其中,确定目标样本对象与候选聚类模型的其他任一簇中心之间的目标和方差的过程与上述确定目标样本对象与候选聚类模型的簇中心之间的目标和方差的过程类似,此处不在赘述。
具体的,对比目标样本对象与候选聚类模型的各簇中心之间的目标和方差,将最小的目标和方差在候选聚类模型中对应的簇中心所属的簇确定为目标样本对象的聚类结果。
在一个具体实施例中,候选聚类模型包括3个簇,簇1,簇2和簇3,可以将目标样本对象与候选聚类模型的簇1的簇中心之间的目标和方差、目标样本对象与候选聚类模型的簇2的簇中心之间的目标和方差,以及目标样本对象与候选聚类模型的簇3的簇中心之间的目标和方差,组成一个向量,目标样本对象的聚类结果即为该向量中最小的目标和方差对应的列索引值。
在另一个具体实施例中,目标样本对象的聚类结果可以通过候选聚类模型的本地数据参与方确定,并由候选聚类模型的本地数据方参与方将目标样本对象的聚类结果发送给候选聚类模型的其他数据参与方。
S304、采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数。
可选的,基于可验证的秘密分享联合加法,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在其所属簇的目标类内距离,以及目标样本对象在非其所属簇的目标类间距离;根据目标类内距离和目标类间距离,确定目标样本对象在候选聚类模型中对应的目标轮廓系数。
其中,目标类内距离可以是目标样本对象与各数据参与方的目标样本对象所属簇中其他数据对象之间的平均距离;目标类间距离可以是目标样本对象与各数据参与方的非目标样本对象所属簇中数据对象之间的平均距离。
具体的,基于可验证的秘密分享联合加法,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象的所属簇;确定目标样本对象与各数据参与方的目标样本对象所属簇中其他数据对象之间的平均距离,将该平均距离作为目标类内距离;确定目标样本对象与各数据参与方的非目标样本对象所属簇中数据对象之间的平均距离,将该平均距离作为目标类间距离;确定目标类间距离与目标类内距离的距离差值,以及确定目标类间距离和目标类内距离中的距离较大值,将距离差值与距离较大值的比值作为目标样本对象在候选聚类模型中对应的目标轮廓系数目标轮廓系数。示例性的,可以通过以下公式确定目标样本对象在候选聚类模型中对应的目标轮廓系数:
其中,Si表示目标样本对象i在候选聚类模型中对应的目标轮廓系数;ai表示目标类内距离,bi表示目标类间距离。
可以理解的是,采用上述技术方案,基于可验证的秘密分享联合加法,根据候选聚类模型对目标样本对象的聚类结果,确定目标类内距离和目标类间距离,并根据目标类内距离和目标类间距离,确定目标样本对象在候选聚类模型中对应的目标轮廓系数,避免现有技术中将类内距离和类间距离发送给第三方协调方来进行轮廓系数的确定,而存在数据泄露的风险,提高了数据的安全性。
可选的,可以通过一定的算法,基于可验证的秘密分享联合加法,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在其所属簇的目标类内距离。
可选的,可以通过一定的算法,基于可验证的秘密分享联合加法,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在非其所属簇的目标类间距离。
S305、根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。
本发明实施例的技术方案,通过确定目标样本对象的聚类结果;基于可验证的秘密分享联合加法,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在其所属簇的目标类内距离,以及目标样本对象在非其所属簇的目标类间距离;根据目标类内距离和目标类间距离,确定目标样本对象在候选聚类模型中对应的目标轮廓系数。采用上述技术方案,可以避免现有技术中将类内距离和类间距离发送给第三方协调方来进行轮廓系数的确定,而存在数据泄露的风险,提高了数据的安全性。
实施例四
图4为本发明实施例四提供的一种基于KMeans的联邦聚类模型确定方法的流程图,本实施例在上述实施例的基础上,进行了追加优化改进。
需要说明的是,在本发明实施例中未详述部分,可参见前述实施例的表述。
如图4所示,该方法包括:
S401、确定至少两个候选聚类模型。
其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心。
S402、采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差。
S403、根据目标样本对象与候选聚类模型的至少两个簇中心之间的目标和方差,确定目标样本对象的聚类结果。
S404、采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数。
可选的,基于可验证的秘密分享联合加法,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在其所属簇的目标类内距离,以及目标样本对象在非其所属簇的目标类间距离;根据目标类内距离和目标类间距离,确定目标样本对象在候选聚类模型中对应的目标轮廓系数。
可选的,基于可验证的秘密分享联合加法,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在其所属簇的目标类内距离,包括:根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在本地的本地类内距离;基于可验证的秘密分享联合加法,根据本地类内距离和其他类内距离,确定目标样本对象在其所属簇的目标类内距离。
其中,本地类内距离可以是目标样本对象与本地的目标样本对象所属簇中其他数据对象之间的平均距离;其他类内距离为根据候选聚类模型对目标样本对象的聚类结果,所确定的目标样本对象在其他数据参与方的类内距离,即目标样本对象与其他数据参与方的目标样本对象所属簇中数据对象之间的平均距离。每一个其他数据参与方对应一个其他类内距离。
具体的,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象的所属簇;确定目标样本对象与本地的目标样本对象所属簇中其他各数据对象之间的距离的平均值,将该距离的平均值作为本地类内距离。相应的,确定其他类内距离的过程与上述确定本地类内距离的过程类似,此处不在赘述。
基于可验证的秘密分享联合加法,将本地类内距离与其他类内距离相加,得到目标样本对象在其所属簇的目标类内距离。示例性的,可以通过以下公式确定目标样本对象在其所属簇的目标类内距离:
ai=aiA+aiB+aiC;
其中,i表示目标样本对象;ai表示目标样本对象在其所属簇的目标类内距离;A表示本地;aiA表示目标样本对象在本地的本地类内距离;B和C表示其他两个数据参与方;aiB表示目标样本对象i在其他数据参与方B的其他类内距离;aiC表示目标样本对象i在其他数据参与方C的其他类内距离。
可以理解的是,采用上述技术方案,基于可验证的秘密分享联合加法,根据本地类内距离和其他类内距离,确定目标样本对象在其所属簇的目标类内距离,避免现有技术中将数据参与方所计算的类内距离发送给第三方协调方进行整合,而存在数据泄露的风险,提高了数据的安全性。
可选的,基于可验证的秘密分享联合加法,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在非其所属簇的目标类间距离,包括:根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在本地的本地类间距离集;基于可验证的秘密分享联合加法,根据本地类间距离集和其他类间距离集,确定目标样本对象在非其所属簇的总类间距离集;从总类间距离集中,确定目标样本对象在非其所属簇的目标类间距离。
其中,本地类间距离集可以是目标样本对象与本地的非目标样本对象所属簇中各数据对象之间的平均距离的集合。其他类间距离集可以为根据候选聚类模型对目标样本对象的聚类结果,所确定的目标样本对象在其他数据参与方的类间距离集,即目标样本对象与其他数据参与方的非目标样本对象所属簇中各数据对象之间的平均距离的集合。每一个其他数据参与方对应一个其他类间距离集。
具体的,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象的非其所属簇;确定目标样本对象与本地中一个非目标样本对象所属簇中各数据对象之间的平均距离,作为目标样本对象在本地的该非目标样本对象所属簇之的类间距离;采用上述方法,确定目标样本对象与在本地的各非目标样本对象所属簇的类间距离;将目标样本对象与在本地的各非目标样本对象所属簇的类间距离的集合作为本地类间距离集;相应的,确定其他类间距离集的过程与确定本地类间距离集的过程类似,此处不在赘述。
基于可验证的秘密分享联合加法,将本地类间距离集中与其他类间距离集中同簇的类间距离相加,得到目标样本对象在对应非其所属簇的总类间距离,将各簇的总类间距离的集合作为目标样本对象在非其所属簇的总类间距离集;示例性的,可以通过以下公式确定目标样本对象在对应非其所属簇的总类间距离:
bij=bijA+bijB+bijC;
其中,bij表示目标样本对象i在非其所属簇j的总类间距离;A表示本地;B和C表示两个其他数据参与方;bijA表示本目标样本对象i在本地A的非目标样本对象i所属簇j的类间距离;bijB表示目标样本对象i在其他数据参与方B的非目标样本对象i所属簇j的类间距离;bijC表示目标样本对象i在其他数据参与方C的非目标样本对象i所属簇j的类间距离。
从总类间距离集中,确定最小的平均距离作为目标类间距离;示例性的,可以通过以下公式确定目标样本对象在非其所属簇的目标类间距离:
bi=min(bi1,bi2,…,bik);
其中,bi表示目标样本对象i在非其所属簇的目标类间距离,bi1表示目标样本对象i在非其所属簇1的总类间距离;bi2表示目标样本对象i在非其所属簇2的总类间距离;bik表示目标样本对象i在非其所属簇k的总类间距离。
可以理解的是,采用上述技术方案,通过基于可验证的秘密分享联合加法,根据本地类间距离集和其他类间距离集,确定目标样本对象在非其所属簇的总类间距离集;从总类间距离集中,确定目标样本对象在非其所属簇的目标类间距离,可以避免现有技术中将数据参与方所计算的类间距离集发送给第三方协调方进行整合,而存在数据泄露的风险,提高了数据的安全性。
S405、根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。
本发明实施例的技术方案,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象的本地类内距离、其他类内距离、本地类间距离集和其他类间距离集;基于可验证的秘密分享联合加法,根据本地类内距离和其他类内距离,确定目标样本对象在其所属簇的目标类内距离;基于可验证的秘密分享联合加法,根据本地类间距离集和其他类间距离集,确定目标样本对象在非其所属簇的总类间距离集;从总类间距离集中,确定目标样本对象在非其所属簇的目标类间距离。采用上述技术方案,可以避免现有技术中将数据参与方所计算的类内距离和类间距离集发送给第三方协调方进行整合,而存在数据泄露的风险,提高了数据的安全性。
实施例五
图5A为本发明实施例五提供的一种基于KMeans的联邦聚类模型确定方法的流程图,本实施例在上述实施例的基础上,对目标聚类模型的选择操作进行了优化改进。
进一步地,将“根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型”细化为“根据至少两个目标样本对象的目标和方差,确定至少两个目标样本对象在候选聚类模型对应的整体和方差;根据至少两个目标样本对象的目标轮廓系数,确定至少两个目标样本对象在候选聚类模型对应的整体轮廓系数;根据整体和方差和整体轮廓系数,从至少两个候选聚类模型中选择目标聚类模型”,以完善目标聚类模型的选择操作。
需要说明的是,在本发明实施例中未详述部分,可参见前述实施例的表述。
如图5A所示,该方法包括:
S501、确定至少两个候选聚类模型。
其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心。
S502、采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差。
S503、采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数。
S504、根据至少两个目标样本对象的目标和方差,确定至少两个目标样本对象在候选聚类模型对应的整体和方差。
其中,整体和方差可以用于表征候选聚类模型对至少两个目标样本对象的聚类效果。
具体的,确定各目标样本对象与候选聚类模型的各簇中心之间的目标和方差;将各目标样本对象与候选聚类模型的各簇中心之间的目标和方差相加,得到整体和方差。
图5B是一种目标和方差的矩阵示意图。如图5B所示,其中,n表示目标样本对象数;k表示簇数;矩阵的每一行中的各元素对应一个目标样本对象与候选聚类模型的各簇中心之间的目标和方差;矩阵的每一列中的各元素对应各目标样本对象与候选聚类模型中的一个簇中心之间的目标和方差。将该矩阵中所有元素的元素值相加,即为整体和方差。
S505、根据至少两个目标样本对象的目标轮廓系数,确定至少两个目标样本对象在候选聚类模型对应的整体轮廓系数。
其中,整体轮廓系数可以用于表征候选聚类模型对至少两个目标样本对象的聚类效果。
具体的,取各目标样本对象的目标轮廓系数的平均值作为整体轮廓系数。
S506、根据整体和方差和整体轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。
具体的,从至少两个候选聚类模型中选取整体和方差最小,且整体轮廓系数最大的候选聚类模型作为目标聚类模型。
本发明实施例的技术方案,通过确定整体和方差与整体轮廓系数,从至少两个候选聚类模型中选择目标聚类模型,可以将对至少两个目标样本对象的聚类效果较好的候选聚类模型确定为目标聚类模型,进而提高了目标聚类模型的聚类效果。
实施例六
图6为本发明实施例六提供的一种基于KMeans的联邦聚类模型的确定装置的结构示意图。本实施例可适用于对基于KMeans的联邦聚类模型进行确定的情况,该基于KMeans的联邦聚类模型确定装置可以采用硬件和/或软件的形式实现,该基于KMeans的联邦聚类模型确定装置可配置于电子设备中。
如图6所示,该装置包括:候选模型确定模块601、和方差确定模块602、轮廓系数确定模块603和目标模型确定模块604。其中,
候选模型确定模块601,用于确定至少两个候选聚类模型;其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心;
和方差确定模块602,用于采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差;
轮廓系数确定模块603,用于采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数;
目标模型确定模块604,用于根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。
本发明实施例的技术方案通过候选模型确定模块确定至少两个候选聚类模型;其中,不同候选聚类模型中的簇数不同;候选聚类模型包括至少两个簇中心;通过和方差确定模块,采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和候选聚类模型在各数据参与方对应的簇中心,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差;通过轮廓系数确定模块,采用可验证的秘密分享联合加法,确定目标样本对象在候选聚类模型中对应的目标轮廓系数;通过目标模型确定模块根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。本发明实施例的技术方案,通过采用可验证的秘密分享联合加法,确定目标和方差和目标轮廓系数;并根据目标和方差和目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型,提高了各数据参与方数据的安全性。
可选的,和方差确定模块602,包括:
本地和方差确定单元,用于确定目标样本对象对应本地的样本特征与候选聚类模型在本地对应的簇中心之间的本地和方差;
目标和方差确定单元,用于采用可验证的秘密分享联合加法,根据本地和方差和其他和方差,确定目标样本对象与候选聚类模型的簇中心之间的目标和方差;
其中,其他和方差为目标样本对象对应其他数据参与方的样本特征与候选聚类模型在其他数据参与方对应的簇中心之间的和方差。
可选的,该装置还包括:
聚类结果确定模块,用于根据目标样本对象与候选聚类模型的至少两个簇中心之间的目标和方差,确定目标样本对象的聚类结果。
可选的,轮廓系数确定模块603,包括:
类间距离确定单元,用于基于可验证的秘密分享联合加法,根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在其所属簇的目标类内距离,以及目标样本对象在非其所属簇的目标类间距离;
轮廓系数确定单元,用于根据目标类内距离和目标类间距离,确定目标样本对象在候选聚类模型中对应的目标轮廓系数。
可选的,类间距离确定单元,包括:
本地类内距离确定子单元,用于根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在本地的本地类内距离;
目标类内距离确定子单元,用于基于可验证的秘密分享联合加法,根据本地类内距离和其他类内距离,确定目标样本对象在其所属簇的目标类内距离;
其中,其他类内距离为根据候选聚类模型对目标样本对象的聚类结果,所确定的目标样本对象在其他数据参与方中的类内距离。
可选的,类间距离确定单元,包括:
类间距离集确定子单元,用于根据候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在本地的本地类间距离集;
总类间距离确定子单元,用于基于可验证的秘密分享联合加法,根据本地类间距离集和其他类间距离集,确定目标样本对象在非其所属簇的总类间距离集;
其中,其他类间距离集为根据候选聚类模型对目标样本对象的聚类结果,所确定的目标样本对象在其他数据参与方的类间距离集;
目标类间距离确定子单元,用于从总类间距离集中,确定目标样本对象在非其所属簇的目标类间距离。
可选的,目标模型确定模块604,包括:
整体和方差确定单元,用于根据至少两个目标样本对象的目标和方差,确定至少两个目标样本对象在候选聚类模型对应的整体和方差;
整体轮廓系数确定单元,用于根据至少两个目标样本对象的目标轮廓系数,确定至少两个目标样本对象在候选聚类模型对应的整体轮廓系数;
目标模型确定单元,用于根据整体和方差和整体轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。
本发明实施例所提供的基于KMeans的联邦聚类模型的确定装置可执行本发明任意实施例所提供的基于KMeans的联邦聚类模型的确定方法,具备执行基于KMeans的联邦聚类模型的确定方法相应的功能模块和有益效果。
实施例七
图7是实现本发明实施例七提供的一种基于KMeans的联邦聚类模型的确定方法的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如基于KMeans的联邦聚类模型的确定方法。
在一些实施例中,基于KMeans的联邦聚类模型的确定方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的基于KMeans的联邦聚类模型的确定方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行基于KMeans的联邦聚类模型的确定方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种基于KMeans的联邦聚类模型的确定方法,其特征在于,所述联邦包括至少两个数据参与方,不同数据参与方的特征维度不同;所述方法应用于任一数据参与方;所述方法包括:
确定至少两个候选聚类模型;其中,不同候选聚类模型中的簇数不同;所述候选聚类模型包括至少两个簇中心;
采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和所述候选聚类模型在各数据参与方对应的簇中心,确定所述目标样本对象与所述候选聚类模型的簇中心之间的目标和方差;
采用可验证的秘密分享联合加法,确定所述目标样本对象在所述候选聚类模型中对应的目标轮廓系数;
根据所述目标和方差和所述目标轮廓系数,从所述至少两个候选聚类模型中选择目标聚类模型。
2.根据权利要求1所述的方法,其特征在于,所述采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和所述候选聚类模型在各数据参与方对应的簇中心,确定所述目标样本对象与所述候选聚类模型的簇中心之间的目标和方差,包括:
确定目标样本对象对应本地的样本特征与所述候选聚类模型在本地对应的簇中心之间的本地和方差;
采用可验证的秘密分享联合加法,根据所述本地和方差和其他和方差,确定目标样本对象与所述候选聚类模型的簇中心之间的目标和方差;
其中,所述其他和方差为目标样本对象对应其他数据参与方的样本特征与所述候选聚类模型在其他数据参与方对应的簇中心之间的和方差。
3.根据权利要求1所述的方法,其特征在于,在确定所述目标样本对象在所述候选聚类模型中对应的目标轮廓系数之前还包括:
根据目标样本对象与候选聚类模型的至少两个簇中心之间的目标和方差,确定目标样本对象的聚类结果。
4.根据权利要求3所述的方法,其特征在于,采用可验证的秘密分享联合加法,确定所述目标样本对象在所述候选聚类模型中对应的目标轮廓系数,包括:
基于可验证的秘密分享联合加法,根据所述候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在其所属簇的目标类内距离,以及目标样本对象在非其所属簇的目标类间距离;
根据所述目标类内距离和所述目标类间距离,确定目标样本对象在所述候选聚类模型中对应的目标轮廓系数。
5.根据权利要求4所述的方法,其特征在于,基于可验证的秘密分享联合加法,根据所述候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在其所属簇的目标类内距离,包括:
根据所述候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在本地的本地类内距离;
基于可验证的秘密分享联合加法,根据所述本地类内距离和其他类内距离,确定目标样本对象在其所属簇的目标类内距离;其中,所述其他类内距离为根据所述候选聚类模型对目标样本对象的聚类结果,所确定的所述目标样本对象在其他数据参与方中的类内距离。
6.根据权利要求4所述的方法,其特征在于,基于可验证的秘密分享联合加法,根据所述候选聚类模型对目标样本对象的聚类结果,确定目标样本对象在非其所属簇的目标类间距离,包括:
根据所述候选聚类模型对目标样本对象的聚类结果,确定所述目标样本对象在本地的本地类间距离集;
基于可验证的秘密分享联合加法,根据所述本地类间距离集和其他类间距离集,确定目标样本对象在非其所属簇的总类间距离集;其中,所述其他类间距离集为根据所述候选聚类模型对目标样本对象的聚类结果,所确定的所述目标样本对象在其他数据参与方的类间距离集;
从所述总类间距离集中,确定目标样本对象在非其所属簇的目标类间距离。
7.根据权利要求1所述的方法,其特征在于,所述根据所述目标和方差和所述目标轮廓系数,从至少两个候选聚类模型中选择目标聚类模型,包括:
根据至少两个目标样本对象的目标和方差,确定所述至少两个目标样本对象在候选聚类模型对应的整体和方差;
根据至少两个目标样本对象的目标轮廓系数,确定所述至少两个目标样本对象在候选聚类模型对应的整体轮廓系数;
根据所述整体和方差和所述整体轮廓系数,从至少两个候选聚类模型中选择目标聚类模型。
8.一种基于KMeans的联邦聚类模型的确定装置,其特征在于,所述联邦包括至少两个数据参与方,不同数据参与方的特征维度不同;所述装置应用于任一数据参与方;所述装置包括:
候选模型确定模块,用于确定至少两个候选聚类模型;其中,不同候选聚类模型中的簇数不同;所述候选聚类模型包括至少两个簇中心;
和方差确定模块,用于采用可验证的秘密分享联合加法,根据目标样本对象对应本地的样本特征、目标样本对象对应其他数据参与方的样本特征、和所述候选聚类模型在各数据参与方对应的簇中心,确定所述目标样本对象与所述候选聚类模型的簇中心之间的目标和方差;
轮廓系数确定模块,用于采用可验证的秘密分享联合加法,确定所述目标样本对象在所述候选聚类模型中对应的目标轮廓系数;
目标模型确定模块,用于根据所述目标和方差和所述目标轮廓系数,从所述至少两个候选聚类模型中选择目标聚类模型。
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权利要求1-7中任一项所述的基于KMeans的联邦聚类模型的确定方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于KMeans的联邦聚类模型的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211447545.8A CN116304771A (zh) | 2022-11-18 | 2022-11-18 | 基于KMeans的联邦聚类模型的确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211447545.8A CN116304771A (zh) | 2022-11-18 | 2022-11-18 | 基于KMeans的联邦聚类模型的确定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116304771A true CN116304771A (zh) | 2023-06-23 |
Family
ID=86811885
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211447545.8A Pending CN116304771A (zh) | 2022-11-18 | 2022-11-18 | 基于KMeans的联邦聚类模型的确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116304771A (zh) |
-
2022
- 2022-11-18 CN CN202211447545.8A patent/CN116304771A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113657289B (zh) | 阈值估计模型的训练方法、装置和电子设备 | |
CN115545216B (zh) | 一种业务指标预测方法、装置、设备和存储介质 | |
CN114444619B (zh) | 样本生成方法、训练方法、数据处理方法以及电子设备 | |
EP4195084A1 (en) | Method and device for adjusting model parameters, and storage medium and program product | |
CN115690443B (zh) | 特征提取模型训练方法、图像分类方法及相关装置 | |
CN114528916A (zh) | 样本聚类处理方法、装置、设备及存储介质 | |
CN112784102B (zh) | 视频检索方法、装置和电子设备 | |
CN113849471A (zh) | 数据压缩方法、装置、设备及存储介质 | |
CN115169489B (zh) | 数据检索方法、装置、设备以及存储介质 | |
CN116304771A (zh) | 基于KMeans的联邦聚类模型的确定方法、装置、设备及介质 | |
CN113221519A (zh) | 用于处理表格数据的方法、装置、设备、介质和产品 | |
CN114581751B (zh) | 图像识别模型的训练方法和图像识别方法、装置 | |
CN113657249B (zh) | 训练方法、预测方法、装置、电子设备以及存储介质 | |
CN117648999B (zh) | 联邦学习回归模型损失函数评估方法、装置及电子设备 | |
CN115018009B (zh) | 对象描述方法、网络模型的训练方法及装置 | |
CN117522614B (zh) | 一种数据的处理方法、装置、电子设备及存储介质 | |
CN113361402B (zh) | 识别模型的训练方法、确定准确率的方法、装置和设备 | |
CN117591714A (zh) | 一种业务数据匹配方法、装置、电子设备及存储介质 | |
CN114780997A (zh) | 一种数据处理方法、装置、设备和介质 | |
CN116226722A (zh) | 一种分级模型的训练方法、装置、设备和介质 | |
CN116361658A (zh) | 模型训练方法、任务处理方法、装置、电子设备及介质 | |
CN114942996A (zh) | 垂直行业数据的三元组构建方法、装置、电子设备及介质 | |
CN117591576A (zh) | 基于结点相似度的重叠社区划分方法、装置、设备及介质 | |
CN116777660A (zh) | 一种用户映射方法、装置、电子设备及存储介质 | |
CN117331924A (zh) | 一种数据模型匹配度核查方法、装置、设备及存储介质 |
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 |