[发明专利]一种数据聚类方法

权利要求书

1.一种数据聚类方法，其特征在于，该方法包括以下步骤：

步骤1：获取原始样本；

步骤2：通过原始样本随机生成新样本；

步骤3：将原始样本标记为第一样本，并将新样本标记为第二样本，混合得到混合样本；

步骤4：对混合样本进行分类训练，并得到具有样本节点的分类模型；

步骤5：统计分类模型的样本节点数量，并对分类模型内的样本节点进行特征标记；

步骤6：提取样本节点的路径，并基于路径得到样本节点的逻辑结构；

步骤7：运用节点筛选算法，筛选重要样本节点；

步骤8：统计重要样本节点覆盖的样本，得到聚类的簇。

2.如权利要求1所述的一种数据聚类方法，其特征在于，步骤1中原始样本包括待聚类的样本以及待处理数据的指定聚类目标数。

3.如权利要求2所述的一种数据聚类方法，其特征在于，所述步骤4中分类训练的算法为树分类算法。

4.如权利要求3所述的一种数据聚类方法，其特征在于，所述树分类算法具体包括以下步骤：

步骤41：将混合样本由根节点出发，选定一个特征及一个或多个划分点，将混合样本分为两份或多份子混合样本，并对应生成两个或多个子节点；

步骤42：对每一个子节点选定一个特征及一个或多个划分点，将每一份子混合样本再次分成两份或多份；

步骤43；判断是否满足终止条件；若满足终止条件，则进入步骤45；若不满足终止条件，则进入步骤43；

步骤44：选定一个特征及一个或多个划分点，对混合样本进行进一步划分，并回到步骤43；

步骤45；得到具有分类能力的单树结构，并循环步骤41-43得到多个单树结构，组合形成多树结构。

5.如权利要求1所述的一种数据聚类方法，其特征在于，步骤5中的特征标记具体为：赋予每一个样本节点唯一编号。