[发明专利]一种用于用户行为分析的基于证据推理的集成聚类方法

摘要

本发明提供一种用于用户行为分析的基于证据推理的集成聚类方法，能够充分考虑用户数据的时间特性以及基聚类器的可信程度，通过采用证据推理的方法综合解决单个聚类器鲁棒性和稳定性不强和现有集成聚类方法适应性较差的问题，从而提高用户行为数据的聚类效果。本发明的有益效果在于：能够克服用户行为数据因高维所带来的传统聚类算法失效的问题；能够综合解决单个聚类器鲁棒性和稳定性不强和现有集成聚类方法适应性较差的问题，从而提高用户行为数据的聚类效果；本发明可用于用户行为数据的聚类，特别是带有高维特征的用户行为数据聚类问题，还可以用于流数据的聚类等，应用范围广泛。

主权项

1.一种用于用户行为分析的基于证据推理的集成聚类方法，适用于带有时间特性的流数据集；其特征在于，包括如下步骤：步骤1，对于不同时段的用户行为数据集{D1,D2,...,Dk,...,DK}，利用不同参数的模糊C均值算法分别生成K个隶属度矩阵{U1,U2,...,Uk,...,UK}；其中，Dk表示第k个时段的数据，Uk表示第k个隶属度矩阵；所述用户行为数据集是将带有时间特性的原始流数据按时间窗口切分获得的数据集；步骤2，将步骤1得到的所述K个隶属度矩阵{U1,U2,...,Uk,...,UK}转换为K个相似矩阵{SM1,SM2,...,SMk,...,SMK}，并将所述K个相似矩阵转化为相似向量{SV1,SV2,...,SVk,...,SVK}，并进行归一化处理；其中，相似向量由SV＝Ω＝{H1,H2,...,Hm,...,HM}表示；步骤3，令Ω的幂集由公式(7)表示：则根据证据推理规则，将所述相似向量{SV1,SV2,...,SVK}通过迭代算法可得到合并后的集成相似向量SV*＝E(K)＝{H1,H2,...,Hm,...,HM}，且pH,E(K)表示为证据E(K)对H的信度；步骤4，基于证据推理的集成相似向量SV*，利用层次聚类方法中的AGNES算法确定最终集成聚类结果{C1,C2,...,Ct,...,CT}，其中Ct为聚类簇，T为最终聚类个数。