[发明专利]基于K邻域相似性的数据聚类方法、装置和存储介质

摘要

本发明公开了一种基于K邻域相似性的数据聚类方法，基于待聚类数据点的K邻域最大半径即按密度对待聚类数据点进行排序，对升序排序后的数据点进行第一遍循环，以符合统计相似性的数据点并入到同个聚类中；根据聚类所需规模对聚类密度较小的数据点进行第二遍循环，找出所有噪声点以及将非噪声点合并到最近的大密度聚类中，从而实现数据聚类。利用本发明实施例提供的基于K邻域相似性的数据聚类方法进行数据聚类带有如下技术效果：无需预先设定聚类的个数，无需知道数据的概率分布；参数容易设置，且各个参数的设置都与数据的密度分布和距离尺度无关；聚类的形成是由高密度到低密度逐渐合并而成的，在产生聚类的同时给出了聚类之间的层次关系。

主权项

1.一种基于K邻域相似性的数据聚类方法，其特征在于，包括步骤：S1、对待聚类数据点按照数据点的K邻域最大半径进行升序排序；其中，数据点的K邻域最大半径是指所述数据点的K邻域中离该数据点最大的距离；S2、对升序排序后的数据点进行第一遍循环，计算所述数据点的K邻域统计特性值，并将计算得到的数据点的K邻域统计特性值和已生成的该数据点所属的邻近聚类的K邻域统计特性值进行比较；若所述数据点的K邻域统计特性值与所述数据点的邻近聚类的K邻域统计特性值的差值在第一阈值delta范围内，则将所述数据点并入所述数据点的邻近聚类中，如果可并入多个邻近聚类，则按照距离从近到远逐个并入直到聚类中数据点个数超过第二阈值nspts；若所述数据点的K邻域统计特性值与所述数据点的邻近聚类的K邻域统计特性值的差值超过第一阈值delta，则生成一个包含所述数据点的新聚类；S3、所述第一遍循环完成后，对所有聚类中数据点总数小于第二阈值nspts的聚类中的数据点进行第二遍循环，若存在数据点的K邻域统计特性值大于或等于该数据点的K邻域内任一其他数据点的K邻域统计特性值的nsr倍，则将该数据点标记为噪声数据，否则将该数据点并入其距离最近的数据点所属的聚类，nsr>1，nspts>2。