[发明专利]数据分类方法、装置、电子设备和计算机可读存储介质

说明书

本申请涉及数据分类技术领域，公开了数据分类方法、装置、电子设备和计算机可读存储介质。该方法包括：获取待分类数据；利用鲸鱼优化算法计算出与待分类数据相对应的第一类别中心和第一目标适应值；根据第一类别中心和涡流搜索算子计算得到第二类别中心和第二目标适应值；比较第一目标适应值和第二目标适应值，以根据比较结果确定第一类别中心或第二类别中心为目标类别中心；基于目标类别中心对待分类数据进行分类。通过上述方式，能够提高数据分类的准确性。

技术领域

本申请涉及数据分类技术领域，特别是涉及数据分类方法及电子设备、计算机可读存储介质。

背景技术

数据是当今人工智能飞速发展的必要条件，而数据聚类则是数据处理领域至关重要的一环，它结合数据分布以及相应的数据特征将未标记的数据对象进行分组，通过标注等手段输出用于人工智能模型训练的标注数据集。

针对海量的数据集，会存在各个场景各个类型的数据，因此需要通过数据预处理等手段进行数据聚合，从而将同一类别的数据进行统一处理。

目前数据分类的方式准确性较低，导致分类后的数据的实用性较低。

发明内容

本申请主要解决的技术问题是提供数据分类方法、装置、电子设备和计算机可读存储介质，能够提高数据分类的准确性。

为了解决上述问题，本申请采用的一种技术方案是提供一种数据分类方法，该方法包括：获取待分类数据；利用鲸鱼优化算法计算出与待分类数据相对应的第一类别中心和第一目标适应值；根据第一类别中心和涡流搜索算子计算得到第二类别中心和第二目标适应值；比较第一目标适应值和第二目标适应值，以根据比较结果确定第一类别中心或第二类别中心为目标类别中心；基于目标类别中心对待分类数据进行分类。

其中，根据第一类别中心和涡流搜索算子计算得到第二类别中心和第二目标适应值，包括：执行涡流搜索算子，以第一类别中心为搜索中心，通过高斯分布产生第二类别中心；根据第二类别中心得到第二目标适应值。

其中，通过高斯分布产生第二类别中心，包括：通过以下公式产生第二类别中心：其中，d为搜索空间的维数，μ是第一类别中心，θ为协方差矩阵，x是第二类别中心。

其中，协方差矩阵为θ＝σ²·(I)_d×d；其中，σ²为方差的分布，I是一个d×d的单位矩阵。

其中，高斯分布的搜索半径随着迭代步数的增加而变化；其中，搜索半径满足以下条件：γ_t＝γ₀·(1/y)gammaincinv(y,a_t)；其中，γ₀初始搜索半径，a_t为缩放因子，y为常数。

其中，比较第一目标适应值和第二目标适应值，以根据比较结果确定目标类别中心，包括：对第一目标适应值和第二目标适应值进行比较，以得到比较结果；若比较结果为第一目标适应值优于第二目标适应值，则将第一类别中心确定为目标类别中心；若比较结果为第二目标适应值优于第一目标适应值，则将第二类别中心确定为目标类别中心。

其中，利用鲸鱼优化算法计算出与待分类数据相对应的第一类别中心和第一目标适应值，包括：对待分类数据进行随机初始化，以得到待分类数据对应的种群；根据种群和目标函数，得到每一种群中的个体对应的第一目标适应值；对多个第一目标适应值进行降序排序，将排在第一的第一目标适应值对应的种群个体确定为第一类别中心。