[发明专利]一种数据聚类方法、装置、设备及可读存储介质

说明书

本申请公开了一种数据聚类方法、装置、设备及可读存储介质，方法包括：将数据库中的数据划分为多个分区，根据每个分区中的数据确定每个分区对应的邻域半径；根据每个分区对应的邻域半径对相应分区内的数据进行聚类，得到分区内数据的聚类结果；获取相邻两个分区的聚类结果中的相同类，并对相同类进行合并。本申请公开的技术方案，通过将数据库中的数据划分为多个分区，根据分区内的数据确定分区对应的邻域半径而解决现有采用全局邻域半径来对整个数据库中的数据进行聚类而带来的聚类准确性低、质量差的问题，以提高数据聚类的准确性和质量，并通过在对各分区内的数据进行聚类之后将相邻两个分区中相同类进行合并而避免相近位置出现类重复的情况。

技术领域

本申请涉及数据聚类技术领域，更具体地说，涉及一种数据聚类方法、装置、设备及可读存储介质。

背景技术

DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声的基于密度的聚类方法)算法是一个比较有代表性的基于密度的聚类算法，该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的聚类，它将簇定义为密度相连的点的最大集合。

目前，在利用DBSCAN算法对数据库中的数据进行聚类时，其是使用全局Eps(其具体为定义密度时的邻域半径)来进行数据划分和聚类。但是，当数据密度和类间距离分布不均匀时，若根据较密的那些类选取较小的Eps值，那么对于客观上相对较稀的那些类中的对象，它们邻域中的数据对象的数目将要小于MinPts(定义核心点时的阈值)，也就是说这些对象将被认为是边界对象，从而不被用于所在类的进一步扩展，随之而来的结果是较稀的类被划分成多个性质相似的类；与此相反，若根据较稀的那些类来选取较大的Eps值，那么离得较近的而密度较大的那些类将很可能被合并为同一个类，它们之间的差异也就因为选取较大的Eps值而被忽略。

综上所述，如何提高数据聚类的准确性，是目前本领域技术人员亟待解决的技术问题。

发明内容

有鉴于此，本申请的目的是提供一种数据聚类方法、装置、设备及可读存储介质，用于提高数据聚类的准确性。

为了实现上述目的，本申请提供如下技术方案：

一种数据聚类方法，包括：

将数据库中的数据划分为多个分区，根据每个所述分区中的数据确定每个分区对应的邻域半径；

根据每个所述分区对应的邻域半径对相应分区内的数据进行聚类，得到所述分区内数据的聚类结果；

获取相邻两个所述分区的聚类结果中的相同类，并对所述相同类进行合并。

优选的，根据每个所述分区中的数据确定每个分区对应的邻域半径，包括：

获取当前分区中的第i个数据与所述当前分区中的其余数据的距离；其中，i＝1,2,…,n，n为所述当前分区包含的数据个数；

将所述当前分区中第i个数据与所述当前分区中其余数据的距离，按照从小到大的顺序进行排序，以得到与所述当前分区中第i个数据对应的距离队列；

从所述当前分区中各所述数据对应的距离队列中获取排列在第预设位的距离，并将获取到的距离按照从小到大的顺序进行排序，以得到排序距离队列；

从所述排序距离队列中选择目标距离作为所述当前分区的邻域半径；

其中，所述目标距离的确定过程为：获取所述排序距离队列中第j+1个距离与第j个距离的差值k_j，第j+2个距离与第j+1个距离的差值k_j+1，若k_j+1与k_j的差值大于阈值，则将第j+1个距离确定为所述目标距离；其中，j＝1,2,3…,n-2。