[发明专利]一种数据聚类方法、系统及数据处理设备

说明书

技术领域

本发明属于数据处理领域，尤其涉及一种数据聚类方法、系统及数据处理设备。

背景技术

随着数据自动生成和采集技术的迅猛发展，许多领域产生了记录人们行为细节的海量数据，为行为模式挖掘提供了可能。这些描述被采集对象行为的数据具有一种共同特征，即每个对象的行为是通过多条记录集合来刻画的，我们将记录对象行为特征的数据集称为一个块数据。比如一个客户的购买行为或通话行为是通过该客户在一个时间段的购买明细或通话明细体现的。通过对块数据进行深入挖掘，有助于我们对客户的行为进行分析和预测。然而，当前的机器学习算法不能对块数据直接进行处理，必须将其转换成标准的数据进行处理，致使数据中存在的潜在行为特征可能被忽略。

发明内容

本发明的目的在于提供一种数据聚类方法、系统及数据处理设备，旨在解决现有技术中存在的当前的机器学习算法不能对块数据直接进行处理，必须将其转换成标准的数据进行处理，致使数据中存在的潜在行为特征可能被忽略的问题。

本发明是这样实现的，一种数据聚类方法，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。

本发明的另一目的在于提供一种数据聚类系统，所述系统包括：

输入模块，用于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；

选择模块，用于从所述数据集中选择k个块数据对象作为初始类中心；

距离计算模块，用于计算各个对象到所述初始类中心的距离；

分配模块，用于根据计算出的距离，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；

类中心计算模块，用于计算各个类的中心作为新的类中心；

循环控制模块，用于控制重复执行分配对象和计算类中心的步骤，直至算法收敛，获得数据集的划分结果。

本发明的另一目的在于提供一种包括上面所述的数据聚类系统的数据处理设备。

在本发明中，通过迭代过程把数据集划分为不同类别，使得评价聚类性能的准则函数达到最优。首先从数据集中随机选择k（期望的类别数）个块数据对象作为初始类中心；然后按照块数据之间的距离描述，计算数据集中的每一个块对象到初始类中心之间的距离，将每个块对象分配到离其最近的中心，形成k个类；通过容斥原理计算每个类的中心作为新的类中心；重复分配对象和计算类中心的步骤，直至算法收敛。本发明实施例能够快速地对现实世界中广泛存在的块数据进行聚类，是一种既高效又实用的划分聚类方法。本发明实施例可以直接对具有块特性的数据进行处理，而不需要对块数据进行压缩处理，避免了信息的丢失，得到的聚类结果比对块数据压缩后的聚类效果更佳。另外，本发明实施例还能够处理大规模数据。

附图说明

图1是本发明实施例提供的数据聚类方法的实现流程示意图。

图2是本发明实施例提供的34个城市的聚类结果图。

图3是本发明实施例提供的数据聚类系统的结构示意图。

具体实施方式

为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。

请参阅图1，为本发明实施例提供的数据聚类方法的实现流程，其包括以下步骤：

在步骤S101中，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；