[发明专利]一种数据聚类方法、系统及数据处理设备

权利要求书

1.一种数据聚类方法，其特征在于，所述方法包括以下步骤：

输入需要聚类的具有块数据特征的n个对象组成的数据集和期望的类别数k；

从所述数据集中选择k个块数据对象作为初始类中心；

计算各个对象到所述初始类中心的距离；

根据计算出的距离，将每一个块数据对象分配到离其最近的中心，形成k个不相交的类；

计算各个类的中心作为新的类中心；

重复执行所述根据计算出的距离，将每一个块数据对象分配到离其最近的中心，形成k个不相交的类的步骤；以及所述计算各个类的中心作为新的类中心的步骤，直至算法收敛，获得数据集的划分结果。

2.如权利要求1所述的方法，其特征在于，假定待聚类的数据集为X＝{x₁,x₂,L,x_n}，其中xi=xi,1,1,xi,1,2,L,xi,1,mxi,2,1,xi,2,2,L,xi,2,mLxi,r,1,xi,r,2,L,xi,r,m]]>是第i个由m个属性，r个明细记录描述的对象，将x_i称为一个块数据对象；k是期望的类别数。

3.如权利要求1所述的方法，其特征在于，从所述数据集中选择k个块数据对象作为初始类中心的步骤，具体为：从数据集X中随机选出k个块对象作为初始类中心。

4.如权利要求1所述的方法，其特征在于，对象之间的距离取决于对象属性值之间的差异性，对于块数据对象之间的距离采用公式进行度量，其中x,y表示两个块数据对象，A_i,B_i分别表示两个对象在i个属性下的域值，m为描述对象的特征数或属性数。

5.如权利要求1所述的方法，其特征在于，首先通过计算该类中所有对象明细数的均值作为该类的类中心要包含的记录数r；然后统计每一维域值中每一个元素在该类中不同对象中出现的频率，如果域值的个数大于r，则选取频率最高的前r个值作为该维的代表，反之，按照频率由高到低的顺序反复取域值，直到取够r个值；重复上述步骤，得到m列个代表，构成该类的类中心。