[发明专利]基于中心索引的海量高维音频数据的聚类方法

摘要

本发明涉及一种基于中心索引的海量高维音频数据的聚类方法，其包括如下步骤：a、在包含海量高维数据的数据集中选取k个中心点，并按照距离将所选取的k个中心点聚类分成m个分区；b、获取上述m个分区的中心点和半径，并将每个分区对应的中心点作为索引输入；c、将上述数据集中的数据点与上述m个分区中每个分区对应的中心点进行距离比较，得到所需的选定分区及选定分区中心点；所述选定分区中心点为选定分区的中心点，所述选定分区中心点与所述数据集中的数据点的距离最近；d、将数据集中的数据点与选定分区内的聚类点进行距离比较，以对所述数据集中的数据点进行分析聚类。本发明能有效缩短海量数据的聚类时间，降低海量数据的聚类代价。

主权项

一种基于中心索引的海量高维音频数据的聚类方法，其特征是，所述海量高维音频数据的聚类方法包括如下步骤：（a）、在包含海量高维数据的数据集中选取k个中心点，并按照距离将所选取的k个中心点聚类分成m个分区，m个分区中每个分区包含若干聚类点；（b）、获取上述m个分区中每个分区对应的中心点和半径，并将每个分区对应的中心点作为索引输入；（c）、将上述数据集中的数据点与上述m个分区中每个分区对应的中心点进行距离比较，得到所需的选定分区及选定分区中心点；其中，所述选定分区中心点为选定分区的中心点，所述选定分区中心点与所述数据集中的数据点的距离最近；（d）、将数据集中的数据点与选定分区内的聚类点进行距离比较，以对所述数据集中的数据点进行分析聚类；所述步骤（d）中，选定分区的半径为r1，未选定分区的半径为r2；数据集中的数据点到选定分区的距离为d1，到未选定分区的距离为d2；若d2≥d1+ r1+ r2，则对于未选定分区中任意一点，到数据集中的数据点的距离要大于选定分区中任意一聚类点到数据集中的数据点的距离时，数据集中的数据点仅与选定分区内的聚类点进行距离比较，以进行所需的分析聚类；所述步骤（a）中，聚类成分区的数量m远远小于中心点的个数k。