[发明专利]数据点的网格图聚类方法、装置、存储介质和设备

权利要求书

1.一种数据点的网格图聚类方法，其特征在于，所述方法包括：

建立细网格点阵字典、粗网格点阵字典和密度类别字典，其中，所述细网格点阵字典包括多个细网格，每个细网格中按照分辨率设置有多个数据点，所述粗网格点阵字典包括多个粗网格，每个所述粗网格的边长是所述细网格的边长的整数倍，所述密度类别字典包括每个细网格的密度类型；

对所述粗网格中的数据点进行采样，当采样到的粗网格对应的细网格中数据点的数量高于临界值，则保留该粗网格及对应的细网格；

对所述细网格中的数据点进行采样，根据所述密度类别字典计算每个细网格对应的密度类型；

在所述粗网格点阵字典中，保留并合并密度类型相邻或相同的细网格，生成图邻接字典；

遍历所述图邻接字典，生成初步聚类字典；

查询所述初步聚类字典中每个细网格所包含的全部数据点，得到最终聚类结果。

2.根据权利要求1所述的方法，其特征在于，所述细网格点阵字典中的键为细网格的编号，所述细网格点阵字典的值为细网格内每个数据点的坐标构成的集合。

3.根据权利要求2所述的方法，其特征在于，所述粗网格点阵字典的键为粗网格的编号，所述粗网格点阵字典的值为粗网格内细网格的编号构成的集合。

4.根据权利要求1所述的方法，其特征在于，按照相隔预设数目对细网格内数据点的占位数对每个细网格的密度进行分类，获得每个细网格的密度类型。

5.根据权利要求1所述的方法，其特征在于，采用蒙特卡罗方法对所述粗网格中的数据点和所述细网格中的数据点分别进行采样。

6.根据权利要求1所述的方法，其特征在于，所述临界值为相邻两个细网格中数据点密度的相对变化。

7.根据权利要求1所述的方法，其特征在于，对所述粗网格进行采样，当采样到的粗网格中数据点的数量不高于临界值，则舍弃该粗网格并删除对应的细网格集合。

8.一种数据点的网格图聚类装置，其特征在于，所述装置包括：

字典建立模块，用于建立细网格点阵字典、粗网格点阵字典和密度类别字典，其中，所述细网格点阵字典包括多个细网格，每个细网格中按照分辨率设置有多个数据点，所述粗网格点阵字典包括多个粗网格，每个所述粗网格的边长是所述细网格的边长的整数倍，所述密度类别字典包括每个细网格的密度类型；

第一采样模块，用于对所述粗网格中的数据点进行采样，当采样到的粗网格中数据点的数量高于临界值，则保留该粗网格及对应的细网格；

第二采样模块，用于对所述细网格中的数据点进行采样，根据所述密度类别字典计算每个细网格对应的密度类型；

邻接字典生成模块，用于在所述粗网格点阵字典中，保留并合并密度类型相邻或相同的细网格，生成图邻接字典；

遍历模块，用于遍历所述图邻接字典，生成初步聚类字典；

查询模块，用于查询所述初步聚类字典中每个细网格所包含的全部数据点，得到最终聚类结果。

9.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至7中任一项所述的方法。

10.一种设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至7中任一项所述的方法。