[发明专利]一种聚类方法、装置、设备及存储介质

说明书

本发明实施例公开了一种聚类方法、装置、设备及存储介质。该方法包括：获取待处理数据集，并基于预设排序算法对所述待处理数据集中的待处理数据进行排序，得到排序数据集；将所述排序数据集中满足预设选取规则的待处理数据作为目标待处理数据，并根据所述排序数据集中各待处理数据对应的排序结果，确定与所述目标待处理数据对应的邻域待处理数据；如果所述邻域待处理数据的数量超过预设密度阈值，则将所述目标待处理数据作为核心数据，并基于所述核心数据和所述邻域待处理数据，确定聚类数据集。本发明实施例解决了线性扫描方法搜索域大的问题，降低了算法的空间复杂度，提高了算法执行效率。

技术领域

本发明实施例涉及样本聚类技术领域，尤其涉及一种聚类方法、装置、设备及存储介质。

背景技术

聚类分析算法是研究样品或指标分类问题的一种统计分析方法，同时也是用于数据挖掘的一种重要算法。聚类算法需要对事先未定义类别的一组数据集进行分类得到类型簇，保证一个类型簇中的数据点之间存在相似性，不同类型簇中的数据点之间存在差异性。

现有聚类算法大多通过计算数据点之间的距离对数据点进行分类，将距离满足预设距离阈值的至少一个数据点作为一个类型簇。计算数据点之间的距离主要采用线性扫描法和构建数据索引法两种方法。

在实现本发明的过程中，发现现有技术中至少存在以下技术问题：

线性扫描方法需要通过穷举搜索数据集中每个数据点到当前数据点之间的距离，当数据集较大时会大大提高计算成本和降低计算效率。构建数据索引方法中索引树的构建算法复杂，增加了聚类算法的空间复杂度。

发明内容

本发明实施例提供了一种聚类方法、装置、设备及存储介质，以降低聚类算法的搜索域以及空间复杂度，提高聚类算法的执行效率。

第一方面，本发明实施例提供了一种聚类方法，该方法包括：

获取待处理数据集，并基于预设排序算法对所述待处理数据集中的待处理数据进行排序，得到排序数据集；

将所述排序数据集中满足预设选取规则的待处理数据作为目标待处理数据，并根据所述排序数据集中各待处理数据对应的排序结果，确定与所述目标待处理数据对应的邻域待处理数据；其中，所述邻域待处理数据与所述目标待处理数据之间的数据距离小于预设半径；

如果所述邻域待处理数据的数量超过预设密度阈值，则将所述目标待处理数据作为核心数据，并基于所述核心数据和所述邻域待处理数据，确定聚类数据集。

第二方面，本发明实施例还提供了一种聚类装置，该装置包括：

排序数据集确定模块，用于获取待处理数据集，并基于预设排序算法对所述待处理数据集中的待处理数据进行排序，得到排序数据集；

邻域待处理数据确定模块，用于将所述排序数据集中满足预设选取规则的待处理数据作为目标待处理数据，并根据所述排序数据集中各待处理数据对应的排序结果，确定与所述目标待处理数据对应的邻域待处理数据；其中，所述邻域待处理数据与所述目标待处理数据之间的数据距离小于预设半径；

聚类数据集确定模块，用于如果所述邻域待处理数据的数量超过预设密度阈值，则将所述目标待处理数据作为核心数据，并基于所述核心数据和所述邻域待处理数据，确定聚类数据集。

第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现上述所涉及的任一所述的聚类方法。