[发明专利]一种基于机器学习的大规模分布式的数据聚类方法

权利要求书

1.一种基于机器学习的大规模分布式的数据聚类方法，其特征在于，包括以下步骤：

1)输入需要分类的数据点以及聚类个数k，其中包含数据点索引以及数据点的坐标，数据形式如下，<n,coordinate>，其中n表示第n个数据点，coordinate表示数据点的坐标；

2)对数据点进行预处理，即给数据加上索引；

3)根据索引数据计算距离矩阵；

4)根据步骤3)得到的距离矩阵计算每个数据点的密度信息；

5)根据步骤3)得到的距离矩阵以及步骤4)得到的密度信息得到每个数据点的最小距离信息以及其对应索引；

6)根据步骤4)的密度信息以及步骤5)得到的最小距离信息确定k个聚类中心；

7)根据步骤4)的最小距离信息以及步骤6)确定的聚类中心对所有未被分配类标的数据点进行聚类，直到所有数据点都被分到一个类标。

2.根据权利要求1所述的数据聚类方法，其特征在于，所述步骤4)的实现方式为：

步骤41)，对每一个数据点i，由距离矩阵得到与数据点i距离大于给定值d_c的所有数据点，对每一个数据点输出(i，1)；

步骤42)，对数据点i相同的所有数据进行求和，即可得到数据点i的密度。

3.根据权利要求1所述的数据聚类方法，其特征在于，所述步骤6)的实现方式为：

步骤61)，将每个数据点的最小距离与密度求出乘积。

步骤62)，对该结果进行降序排序，取前k个数据点作为聚类中心。