[发明专利]自组织映射的权重粒子群均值聚类方法、装置、设备及存储介质

说明书

本发明实施例公开了一种自组织映射的权重粒子群均值聚类方法、装置、设备及存储介质。通过该方法可以实现对原始样本数据进行聚类，首先使用SOM聚类算法对原始样本数据进行粗聚类可以得到K个粗聚类簇和粗聚类中心，由此可以确定聚类簇数和初始聚类中心，然后再基于确定的粗聚类簇和粗聚类中心对原始样本数据进行细聚类以得到目标聚类中心，由于细聚类的初始聚类簇数和聚类中心是确定的，与传统的聚类算法初始值是随机的情况相比，本申请可以提高聚类的准确性和聚类效果，解决传统聚类算法对初始值敏感的问题，且聚类时无需对样本进行标记，可以适用于所有样本的聚类，能够提高对样本的适用性。

技术领域

本发明实施例涉及数据挖掘技术领域，尤其涉及一种自组织映射的权重粒子群均值聚类方法、装置、设备及存储介质。

背景技术

聚类算法作为数据挖掘领域的重要分支，在许多领域都得到了广泛应用，包括机器学习、模式识别、图像分析、信息检索、计算机视觉等，高效的聚类算法能够提高工作效率，改善工作质量。

然而传统的聚类算法存在一些问题，首先，初始值的选择都是随机的，难以确定聚类簇数和初始聚类中心，则会直接影响最终的聚类结果和聚类的准确性。且不同的聚类算法都是针对特定的数据而适用的，没有一种聚类算法可以适用于所有数据，适用性不好。

发明内容

本发明实施例提供一种自组织映射的权重粒子群均值聚类方法、装置、设备及存储介质，以实现对样本数据进行聚类分析，提高聚类效果和准确性。

第一方面，本发明实施例提供了一种自组织映射的权重粒子群均值聚类方法，该自组织映射的权重粒子群均值聚类方法包括：

获取原始样本数据，其中，所述原始样本数据为软件画像数据；

使用SOM聚类算法对所述原始样本数据进行粗聚类，得到K个粗聚类簇和粗聚类中心；其中，K为自然数；

基于所述粗聚类簇和所述粗聚类中心对所述原始样本数据进行细聚类，得到目标聚类中心。

第二方面，本发明实施例还提供了一种自组织映射的权重粒子群均值聚类装置，该自组织映射的权重粒子群均值聚类装置包括：

数据获取模块，用于获取原始样本数据；

粗聚类模块，用于使用SOM聚类算法对所述原始样本数据进行粗聚类，得到K个粗聚类簇和粗聚类中心；其中，K为自然数；

细聚类模块，用于基于所述粗聚类簇和所述粗聚类中心对所述原始样本数据进行细聚类，得到目标聚类中心。

第三方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的自组织映射的权重粒子群均值聚类方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的自组织映射的权重粒子群均值聚类方法。