[发明专利]基于形状逼近的聚类方法和设备、终端及计算机存储介质

说明书

本发明提出了基于形状逼近的聚类方法和设备、终端及计算机存储介质，其中该方法包括：步骤A.确定待聚类点集的初始形状；步骤B.确定当前剩余部分的点与当前的所述初始形状的距离；当前所述剩余部分为所述待聚类点集中除当前的所述初始形状以外的点集；步骤C.若所述距离与当前的所述初始形状中最大距离的比值满足预设比例，将所述点从当前所述剩余部分转移到当前的所述初始形状，并执行步骤B，直到当前的所述初始形状不再有所述点转移进来。本方案既具备了层次聚类算法能够完成任意形状聚类的优点，又具备了密度聚类利用数据样本的紧密程度进行聚类，并去除游离于任何一类之外的噪声点的优点，以及具备自适应学习类别簇数的优点。

技术领域

本发明涉及数据分析技术领域，特别涉及基于形状逼近的聚类方法和设备、终端及计算机存储介质。

背景技术

当前比较主流的聚类算法主要包括：基于划分的聚类方法，典型代表是K-means（k-means clustering algorithm，是一种迭代求解的聚类分析算法）聚类；基于层次的聚类算法，典型代表是Birch（Balanced Iterative Reducing and Clustering usingHierarchies，基于层次结构的平衡迭代聚类方法）聚类算法；基于密度的聚类算法，典型代表是DBSCAN（Density-Based Spatial Clustering of Applications with Noise，基于密度的聚类算法）算法等。

但是当前主流的聚类算法中，基于划分的聚类算法对先验知识依赖过高，距离计算方式与数据分布关联性小，导致使用缺乏灵活性，对离群点和噪声点比较敏感，对数据集要求过高；而基于层次的聚类算法，一般计算复杂度比较高，对初始簇的选择要求很高；至于基于密度的聚类算法，参数需要由用户确定，算法对参数比较敏感，对簇的密度变化以及数据维度要求比较高。

由此，目前需要一种更好的聚类方法。

发明内容

针对现有技术中的缺陷，本发明提出了基于形状逼近的聚类方法和设备、终端及计算机存储介质。

具体的，本发明提出了以下具体的实施例：

本发明实施例提出了一种基于形状逼近的聚类方法，包括：

步骤A.确定待聚类点集的初始形状；

步骤B.确定当前剩余部分的点与当前的所述初始形状的距离；当前所述剩余部分为所述待聚类点集中除当前的所述初始形状以外的点集；

步骤C.若所述距离与当前的所述初始形状中最大距离的比值满足预设比例，将所述点从当前所述剩余部分转移到当前的所述初始形状，并执行步骤B，直到当前的所述初始形状不再有所述点转移进来。

在一个具体的实施例中，所述步骤A包括：

从待聚类点集中选择一个点作为基准点；

若其他点的松紧度满足预设阈值，则将所述其他点分布的区域作为初始形状；所述其他点为预设数量个所述待聚类点集中距离所述基准点最近的点。

在一个具体的实施例中，所述松紧度是基于下列公式来进行确定的：

ratio=max{d(i,j)}/min{d(i,j)}；

其中，所述ratio为松紧度；所述max{d(i,j)}为所述其他点到所述基准点的最大距离；所述min{d(i,j)为所述其他点到所述基准点的最小距离。

在一个具体的实施例中，所述最大距离为当前的所述初始形状中除所述基准点以外的点距离所述基准点的最大的距离。

在一个具体的实施例中，所述初始形状为所述其他点分布的区域的最小外接矩形。

在一个具体的实施例中，该方法还包括：