[发明专利]一种数据聚类的方法及装置

说明书

技术领域

本发明属于计算机技术领域，尤其涉及一种数据聚类的方法及装置。

背景技术

随着计算机与信息技术的密切结合，海量的数据在互联网上快速的产生和传播，金融、电信等多个行业需要从海量的数据中获取具有潜在意义的信息，才能在瞬息万变中把握住经济命脉的先机，在科技的发展下，需要处理和分类的信息量与日俱增，信息获取的速度越来越快，信息的种类也越来越复杂，如何对这些种类繁多、对象不明确、不完全的大量信息进行有效地分类，并从中挖掘出我们需要的、有用的信息，是当今业界重要的研究课题。

目前，可通过聚类算法实现这个课题，常用的K-均值聚类算法具有快速的收敛性、良好的伸缩性等优点，在聚类过程中通常能聚类出一较好的结果，然而该算法的聚类效果比较依赖聚类中心的初始值，同时在聚类时易陷入局部解、易受到“噪音”干扰，导致从海量的数据中获取的信息不够准确、聚类的质量不佳。

发明内容

本发明的目的在于提供一种数据聚类的方法及装置，旨在解决聚类结果的好坏对初始聚类中心的依赖性较大，聚类过程易陷入局部最优解、易受“噪音”干扰，导致聚类质量不佳的问题。

一方面，本发明提供了一种数据聚类的方法，所述方法包括下述步骤：

接收输入的待聚类的数据集，为所述数据集生成对应的当前种群，所述当前种群中每个个体包含预设数目个聚类中心；

计算所述当前种群中每个个体的适应度值，并根据所述所有适应度值和所述当前种群的自适应指数，生成所述每个个体的选择概率；

根据所述当前种群中每个个体中的所有聚类中心，将所述数据集中的样本划分到相应的聚类中，并根据所述所有选择概率，进化所述当前种群，生成下一代种群；

当当前进化代数未超过预设的最大进化代数时，获取所述当前种群进化为所述下一代种群时生成优异个体的数目，并根据所述优异个体数目，计算所述下一代种群的自适应指数，将所述下一代种群设置为所述当前种群，跳转至执行计算所述当前种群中每个个体的适应度值的操作；

当所述当前进化代数超过所述最大进化代数时，根据所述下一代种群中的最优个体，生成并输出所述数据集的聚类。

另一方面，本发明提供了一种数据聚类的装置，所述装置包括：

初始化模块，用于接收输入的待聚类的数据集，为所述数据集生成对应的当前种群，所述当前种群中每个个体包含预设数目个聚类中心；

计算模块，用于计算所述当前种群中每个个体的适应度值，并根据所述适应度值和所述当前种群的自适应指数，生成所述每个个体的选择概率；

进化模块，用于根据所述当前种群中每个个体中的所有聚类中心，将所述数据集中的样本划分到相应的聚类中，并根据所述所有选择概率，进化所述当前种群，生成下一代种群；

循环模块，用于当当前进化代数未超过预设的最大进化代数时，获取所述当前种群进化为所述下一代种群时生成优异个体的数目，并根据所述优异个体数目，计算所述下一代种群的自适应指数，将所述下一代种群设置为所述当前种群，跳转至执行计算所述当前种群中每个个体的适应度值的操作；以及

聚类生成模块，用于当所述当前进化代数未超过所述最大进化代数时，根据所述下一代种群中的最优个体，生成并输出所述数据集的聚类。

本发明对数据集的当前种群进行最大进化代数次的进化，从最后进化得到的最优个体中获取数据集的聚类中心，最后根据这些聚类中心对数据集中的样本进行划分，实现对数据集中样本的聚类。其中，在当前种群生成下一代种群的进化过程中，本发明根据当前种群中每个个体的适应度值和当前种群的自适应指数，确定当前种群中每个个体的选择概率，在根据该选择概率对当前种群进行进化生成下一代种群后，根据当前种群进化得到优异个体的数目，计算下一代种群的自适应指数。从而通过进化使得个体的质量在每次聚类时都有所提高，改善了聚类中心的敏感性所带来的不足，通过进化过程中的变异操作有效地避免了聚类过程受到“噪音”点的干扰，通过自适应值的更新调整好个体被选择的概率，有效地跳出局部最优解，进而有效地提高了聚类质量。

附图说明

图1是本发明实施例一提供的数据聚类的方法的实现流程图；

图2是本发明实施例二提供的数据聚类的装置的结构示意图；以及

图3是本发明实施例二提供的数据聚类的装置的结构示意图。

具体实施方式