[发明专利]基于密度的聚类计算方法、装置、设备和存储介质

说明书

本发明涉及智能决策技术领域，尤其涉及一种基于密度的聚类计算方法、装置、设备和存储介质。本发明通过将一维或多维空间切分成多个网格，开启多个线程，一条线程对应一个数据点，利用多条线程同时运行，计算对应的数据点与数据点周围网格内其他数据点之间的距离，并判断两个数据点之间的距离是否小于预设的距离阈值，来确定两个数据的是否是近邻点。本发明通过限定只需计算某数据点所在的网格对应的周围网格内的数据点与该数据点之间的距离是否在距离阈值范围内，每条线程同时对单个数据点计算与其他数据点的距离，从而大大缩小了整个聚类计算的计算量，大大增加了聚类计算的效率。

技术领域

本发明涉及智能决策技术领域，尤其涉及一种基于密度的聚类计算方法、装置、设备和存储介质。

背景技术

聚类分析又称群分析，它是研究样品或指标分类问题的一种统计分析方法，同时也是数据挖掘的一个重要算法。聚类分析是把参数相似的数据分成不同的组别，其应用非常广泛，例如应用于数据挖掘、机器学习等。

聚类分析的算法有很多种，有一些基于数据的密度进行聚类，例如DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法和OPTICS(Ordering Point To Idenfy the Cluster Stucture)算法等。当前技术中，基于密度的聚类算法的最大缺点在于步骤非常耗时，假设有一组数据，它们是1000个二维空间的点，在基于密度的聚类算法中，要确定每一个点有哪些近邻点，与该点之间的距离小于一个定义的阈值ε的点为近邻点，需要计算每一个点和其他999个点的距离，所以总共计算1000×999＝999,000次，显然该计算量过大。

发明内容

本发明的主要目的在于提供一种基于密度的聚类计算方法、装置、设备及计算机可读存储介质，旨在解决目前的基于数据的密度进行聚类算法计算量过大造成非常耗时的技术问题。

为实现上述目的，本发明提供一种基于密度的聚类计算方法，所述方法包括以下步骤：

将数据点所在的一维或多维空间切分成多个网格，每个所述网格的空间大小相同；

开启多个线程，所述线程的数量与所述数据点的数量相同，一条所述线程对应一个所述数据点；

利用多条所述线程同时运行，计算对应的所述数据点与所述数据点周围网格内其他数据点之间的距离；

利用多条所述线程同时运行，判断两个所述数据点之间的距离是否小于预设的距离阈值，若是，则一个所述数据点是另一个所述数据点的近邻点。

可选地，所述将数据点所在的一维或多维空间切分成多个网格，每个所述网格的空间大小相同，包括：

获取预设的距离阈值，根据所述距离阈值，对所述一维或多维空间切分成多个空间大小相同的网格，若设距离阈值为ε，则每个网格的空间范围均为0.5ε-1.5ε之间；

获取预设的编号顺序规则，根据所述编号顺序规则对已切分的多个网格进行编号。

可选地，所述获取预设的编号顺序规则，根据所述编号顺序规则对已切分的多个网格进行编号后，还包括：

获取所有的数据点在所述一维或多维空间内的坐标，对所有的坐标进行排序；

以排序的顺序，依次获取数据点的坐标，根据所述网格的空间大小，及所述编号顺序规则，确定所述数据点在所述一维或多维空间内被切分后的网格编号，并记录所述网格编号与所述坐标的对应关系；

遍历所有的数据点的坐标，得到每个被切分后的网格编号及对应的所述坐标的对应关系。

可选地，所述利用多条所述线程同时运行，计算对应的所述数据点与所述数据点周围网格内其他数据点之间的距离，包括：