[发明专利]一种大数据密集支撑点快速选取方法

权利要求书

1.一种大数据密集支撑点快速选取方法，其特征在于，包括以下步骤：

数据集规模判断步骤：读取数据集D，新建数据集D’，判断数据集D的规模大小，若数据集D为小规模数据集，将数据集D中所有的对象添加到数据集D’中，若数据集D为大规模数据，将从数据集D中抽取若干个对象添加到数据集D’中；

截断距离dc计算步骤：在数据集D’中随机选取对象作为基准点pr，计算数据集D’所有对象与基准点pr的距离，根据所有对象与基准点pr的距离，计算截断距离dc；

密集支撑点p0获取步骤：计算数据集D’所有对象的dc近邻对象数量，所述dc近邻对象数量最大的对象，即为数据集D的密集支撑点p0，输出所述密集支撑点p0。

2.根据权利要求1所述的一种大数据密集支撑点快速选取方法，其特征在于，所述数据集规模判断步骤包括以下步骤：

步骤A1：读取数据集D，新建数据集D’；

步骤A2：设定规模界限，若数据集D中对象数量大于规模界限，则将数据集D定义为大规模数据集，否则将数据集D定义为小规模数据集；

步骤A3：若数据集D为小规模数据集，则将数据集D中所有的对象添加到数据集D’中，若数据集D为大规模数据集，则通过均匀抽样或者随机抽样的方式，从数据集D中抽取对象添加到数据集D’中，抽取对象的数量与规模界限数值一致。

3.根据权利要求2所述的一种大数据密集支撑点快速选取方法，其特征在于，所述截断距离dc计算步骤包括以下步骤：

步骤B1：设定截断距离参数u，所述截断距离参数u数值范围为0.1至0.2之间；

步骤B2：在数据集D’中随机选取一对象作为基准点pr，计算数据集D’所有对象与基准点pr的距离，记为第一距离；

步骤B3：设定参数r，取数据集D’所有对象的第一距离中的最大值赋给参数r，所述截断距离参数dc＝ur。

4.根据权利要求3所述的一种大数据密集支撑点快速选取方法，其特征在于，所述密集支撑点p0获取步骤包括以下步骤：

步骤C1：逐一获取数据集D’的各个对象O，定义对象O的dc近邻对象数量为M，并初始化为0；

步骤C2：逐一读取数据集D’的其他对象X，计算对象O第一距离与对象X第一距离的差的绝对值；

步骤C3：若所述对象O第一距离与对象X第一距离的差的绝对值小于截断距离dc，计算对象O与对象X间的距离，记为第二距离，若所述对象O第一距离与对象X第一距离的差的绝对值大于截断距离dc，则认为对象X不可能是对象O的dc近邻对象，无需计算对象O与对象X间的距离，跳转到步骤C5；

步骤C4：若第二距离小于截断距离dc，对象O的dc近邻对象数量自加1；

步骤C5：获取下一个对象X，返回步骤C2，直到数据集D’全部对象读取完毕；

步骤C6：获取下一个对象O，返回步骤C1；

步骤C7：输出dc近邻对象数量最多的对象O，即为数据集D的密集支撑点p0。

5.根据权利要求2所述的一种大数据密集支撑点快速选取方法，其特征在于，所述截断距离dc计算步骤包括以下步骤：

步骤b1：设定截断距离参数u，所述截断距离参数u数值范围为0.1至0.2之间；

步骤b2：在数据集D’中随机选取多个对象作为基准点pr1、基准点pr2……基准点prn，建立第一数组，计算各个基准点与数据集D’所有对象的距离，记为第三距离，将各个基准点的第三距离的最大值存入第一数组中；

步骤b3：设定参数r，取第一数组的最小值赋给参数r，所述截断距离参数dc＝ur。

6.根据权利要求5所述的一种大数据密集支撑点快速选取方法，其特征在于，所述密集支撑点p0获取步骤包括以下步骤：

步骤c1：逐一获取数据集D’的各个对象O，定义对象O的dc近邻对象数量为M，并初始化为0；

步骤c2：逐一读取数据集D’的其他对象X，对于同一个基准点，计算对象O第三距离与对象X第三距离的差的绝对值；

步骤c3：对于所有的基准点，若所述对象O第三距离与对象X第三距离的差的绝对值均小于截断距离dc，计算对象O与对象X间的距离，记为第四距离，若对于某个基准点，所述对象O第三距离与对象X第三距离的差的绝对值大于截断距离dc，则认为对象X不可能是对象O的dc近邻对象，无需计算对象O与对象X间的距离，跳转到步骤c5；

步骤c4：若第四距离小于截断距离dc，对象O的dc近邻对象数量自加1；

步骤c5：获取下一个对象X，返回步骤c2，直到数据集D’全部对象读取完毕；

步骤c6：获取下一个对象O，返回步骤c1；

步骤c7：输出dc近邻对象数量最多的对象O，即为数据集D的密集支撑点p0。