[发明专利]基于K-Means算法的数据聚类方法和装置

权利要求书

1.一种计算设备，其特征在于，所述计算设备用于将待处理的数据集包括的N个数据聚类至K个类别中，所述N为大于K的整数，所述K为预设的类别数量且为大于或等于2的整数，K个类别中的每个类别对应一个初始聚类中心；所述计算设备包括通信接口、处理器和存储器，所述通信接口分别与所述处理器和存储器建立通信连接，所述处理器与所述存储器建立通信连接；

所述通信接口，用于接收聚类请求，所述聚类请求包括最大计算量、所述K、所述数据集以及所述数据集的训练次数和数据大小；

所述存储器，用于存储所述最大计算量、所述K和所述数据集；

所述处理器，还用于根据所述训练次数、所述数据大小和所述K，确定对所述数据集包括的N个数据进行聚类时的中心点初始化计算量和迭代训练计算量；根据所述中心点初始化计算量、所述迭代训练计算量和所述最大计算量，确定所述最大计算量对应的调整因子；

所述处理器，还用于从所述存储器中获取所述数据集，并从所述数据集中随机选择一个数据；

所述处理器，还用于根据所述调整因子，从所述数据集中选择M个数据，从所述M个数据中选择与所述随机选择的数据之间的距离最远的K-1个数据，所述随机选择的数据和所述K-1个数据构成所述数据集的K个初始聚类中心，所述M为大于K的整数；

所述处理器，还用于根据所述K个初始聚类中心和所述数据集中的N个数据，确定K个最终聚类中心；

对于所述数据集中的任一数据，当所述任一数据包括文本类型字段和数字类型字段时，所述处理器，还用于获取所述任一数据包括的每个分词；

所述处理器，还用于分别计算所述每个分词的加权值，并根据所述每个分词的加权值和所述K个最终聚类中心中的每个最终聚类中心，分别计算所述任一数据与所述每个最终聚类中心之间的距离；

所述处理器，还用于从所述K个最终聚类中心中选择与所述任一数据之间的距离最小的最终聚类中心，将所述任一数据聚类到所述选择的最终聚类中心对应的类别中。

2.根据权利要求1所述的计算设备，其特征在于，

所述处理器，还用于从所述K个类别中，选择待淘汰类别，所述待淘汰类别包括数据的数量P大于预设数目；

所述处理器，还用于从所述待淘汰类别包括的数据中淘汰与所述待淘汰类别的最终聚类中心之间的距离最远的Q个数据，其中，Q＝P-所述预设数目；

所述处理器，还用于根据所述待淘汰类别中除所述淘汰的数据之外的数据，更新所述待淘汰类别的最终聚类中心。

3.一种基于K-Means算法的数据聚类方法，其特征在于，所述方法由聚类服务器执行，用于将待处理的数据集包括的N个数据聚类至K个类别中，所述N为大于K的整数，所述K为预设的类别数量且为大于或等于2的整数，K个类别中的每个类别对应一个初始聚类中心，所述方法包括：

聚类服务器接收聚类请求，所述聚类请求包括最大计算量、所述K、所述数据集以及所述数据集的训练次数和数据大小；

所述聚类服务器根据所述训练次数、所述数据大小和所述K，确定对所述数据集包括的N个数据进行聚类时的中心点初始化计算量和迭代训练计算量；根据所述中心点初始化计算量、所述迭代训练计算量和所述最大计算量，确定所述最大计算量对应的调整因子；

所述聚类服务器从所述数据集中随机选择一个数据；

所述聚类服务器根据所述调整因子，从所述数据集中选择M个数据，从所述M个数据中选择与所述随机选择的数据之间的距离最远的K-1个数据，所述随机选择的数据和所述K-1个数据构成所述数据集的K个初始聚类中心，所述M为大于K的整数；

所述聚类服务器根据所述K个初始聚类中心和所述数据集中的N个数据，确定K个最终聚类中心；

对于所述数据集中的任一数据，当所述任一数据包括文本类型字段和数字类型字段时，所述聚类服务器获取所述任一数据包括的每个分词；

所述聚类服务器分别计算所述每个分词的加权值，并根据所述每个分词的加权值和所述K个最终聚类中心中的每个最终聚类中心，分别计算所述任一数据与所述每个最终聚类中心之间的距离；

所述聚类服务器从所述K个最终聚类中心中选择与所述任一数据之间的距离最小的最终聚类中心，将所述任一数据归类到所述选择的最终聚类中心对应的类别中。