[发明专利]一种基于集合特征向量的快速聚类方法和装置

权利要求书

1.一种基于集合特征向量的快速聚类方法，其特征在于，包括以下步骤：

（1）数据属性转换步骤：将输入的混合属性数据转化为二值属性；

（2）数据排序步骤：按照对象稀疏性指数或不干涉序列指数对数据进行排序；

（3）初次聚类步骤：该步骤包括两个子步骤：

首先，令排序后的第一个对象单独成类，得到其集合特征向量，

然后，顺序扫描其余待聚类对象，如果将当前扫描到的对象并入任何一个已经创建的类中，都会使得并入后的集合差异度大于集合差异度上限b₁，则创建一个新类，该新类仅包含当前扫描到的对象；否则，将当前对象并入使得并入后集合差异度最小的类中，并更新该类的集合特征向量；

（4）二次聚类步骤：将初次聚类步骤得到的初次聚类结果作为输入进行二次聚类。然后去除聚类结果中的孤立点，得到最终聚类结果。

2.根据权利要求1所述的方法，其特征在于，所述步骤2）中的对象稀疏性指数是指对象属性中取值为1的个数；所述不干涉序列指数是指不干涉序列与对象的属性的内积，其计算方法如下：设一个二值属性数据集X有n个对象，每个对象共有m个属性。X为数据集X中的一个对象，其属性值分别为d₁(x),d₂(x),…,d_m(x),(d_i(x)=0或1,i=1,2,…,m)，则对象x的不干涉序列指数为：q(x，M)=d₁(x)M₁+d₂(x)M₂+…+d_m(x)M_m其中(M₁,M₂,…，M_m)为某选定的不干涉序列M＝(M₁,M₂,M₃,…,M_i,…)的前m项。

3.根据权利要求1所述的方法，其特征在于，所述步骤3）中的集合特征向量是指集合内所有对象参与聚类所需的相关信息的特征表示向量，其定义如下：设一个二值属性数据集有n个对象，描述每个对象的属性有m个，Y为其中的一个对象子集，其中的对象个数可以用|Y|表示，在该子集中所有对象取值皆为1的属性个数为a(0≤a≤m)，对应的属性序号为j₁，j₂，...，j_a，取值不全相同的属性个数为e(0≤e≤m)，对应的属性序号为k₁,K₂,…,k_e，则向量SFV(Y)＝(|Y|，S(Y)，NS(Y)，SD(Y))称为对象集合Y的集合特征向量。其中S(Y)为Y中所有对象取值都为1的属性序号集合，NS(Y)为取值不全相同的属性序号集合，SD(Y)为集合差异度；所述集合差异度是指集合内对象间的差异程度，其计算方法如下：设一个二值属性数据集有n个对象，描述每个对象的属性有m个，Y为其中的一个对象子集，其中的对象个数记为|Y|，在该子集中所有对象取值皆为1的属性个数为a(0≤a≤m)，取值不全相同的属性个数为e(0≤e≤m)，则定义为子集Y的集合差异度。

4.根据权利要求1所述的方法，其特征在于，所述步骤4）中对初次聚类结果进行二次聚类是指将初次聚类结果中各个类的集合特征向量视作待聚类对象，将每个集合特征向量的S集中的属性作为该集合特征向量的集合属性值，并将步骤2）和步骤3）中的集合差异度、集合特征向量对应改变为拓展集合差异度和拓展集合特征向量，同时将集合差异度上限b₁改变为拓展集合差异度上限b₂后，按照步骤2）和步骤3）进行聚类的过程。

5.根据权利要求4所述的方法，其特征在于，所述的集合属性值定义如下：设函数f：x_i→v_k表示集合X中的某个对象x_i对应的属性值v_k(i＝1,2，...，n；k＝1,2，...，l)，其中l表示所有属性取值的总数量。当集合X内的每个对象都对应某个属性值v_k时，称该属性值为集合X的集合属性值，集合X的所有集合属性值可以表示为AVS(X)。