聚類分析方法、裝置及設(shè)備的制造方法
【技術(shù)領(lǐng)域】
[0001] 本公開涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，特別涉及一種聚類分析方法、裝置及設(shè)備。
【背景技術(shù)】
[0002] 隨著計算機(jī)科學(xué)技術(shù)的蓬勃發(fā)展，諸如商業(yè)管理、政府辦公、工程開發(fā)、科學(xué)研宄 等各個領(lǐng)域所涉及的數(shù)據(jù)量呈爆炸式增長。然而，在數(shù)據(jù)量呈爆炸式增長的同時，如何在 海量的數(shù)據(jù)中高效提取有用信息成為了時下人們較為關(guān)注的一個焦點(diǎn)。為此，聚類分析 (cluster analysis)作為一種將研宄對象分為相對同質(zhì)的群組（clusters)的數(shù)據(jù)挖掘方 法，受到了大家的青睞。
[0003] 相關(guān)技術(shù)中，通常采取 SL(single_linkage，單連接）、CL(complete_linkage，完 全連接）、AL (average-linkage，平均連接）三種層次聚類方法進(jìn)行聚類分析。在計算類間 距離時，依據(jù)相異度矩陣進(jìn)行計算。其中，對于SL層次聚類方法，類間距離等于兩類樣本之 間的最小距離。若用相似度衡量，則類間距離是一類中任一樣本與另一類中任一樣本的最 大相似度。對于CL層次聚類方法，類間距離等于兩類樣本之間的最大距離。對于AL層次 聚類方法，類間距離等于兩類樣本之間的平均距離。在得到類間距離后，基于該類間距離進(jìn) 行聚類。
[0004] 針對上述三種聚類分析方法，在計算類間距離時均依賴于相異度矩陣；如果在計 算相異度矩陣時，某一樣本的數(shù)據(jù)存在誤差，則若重復(fù)使用相異度矩陣，那么便存在將誤差 進(jìn)一步放大的風(fēng)險，從而導(dǎo)致聚類結(jié)果產(chǎn)生更大的偏差，聚類效果較差。

【發(fā)明內(nèi)容】

[0005] 為克服相關(guān)技術(shù)中存在的問題，本公開提供一種聚類分析方法、裝置及設(shè)備。
[0006] 根據(jù)本公開實(shí)施例的第一方面，提供一種聚類分析方法，所述方法包括：
[0007] 對于待聚合類中的第一類和第二類，計算所述第一類和所述第二類中兩兩樣本之 間的距離，所述兩兩樣本中一個樣本來自于所述第一類，另一個樣本來自于所述第二類；
[0008] 將得到的樣本距離按照預(yù)定順序進(jìn)行排序，確定指定數(shù)目個樣本距離，所述指定 數(shù)目根據(jù)所述第一類或所述第二類的類內(nèi)聚合度調(diào)整得到；
[0009] 根據(jù)所述指定數(shù)目個樣本距離，計算所述第一類和所述第二類的類間距離；
[0010] 根據(jù)所述待聚合類中每兩個類之間的類間距離，對所述待聚合類進(jìn)行聚類。
[0011] 可選地，當(dāng)所述第一類和所述第二類的類間距離為平均距離時，所述根據(jù)所述指 定數(shù)目個樣本距離，應(yīng)用如下公式，計算所述第一類和所述第二類的類間距離，包括：
【主權(quán)項】
1. 一種聚類分析方法，其特征在于，所述方法包括： 對于待聚合類中的第一類和第二類，計算所述第一類和所述第二類中兩兩樣本之間的 距離，所述兩兩樣本中一個樣本來自于所述第一類，另一個樣本來自于所述第二類； 將得到的樣本距離按照預(yù)定順序進(jìn)行排序，確定指定數(shù)目個樣本距離，所述指定數(shù)目 根據(jù)所述第一類或所述第二類的類內(nèi)聚合度調(diào)整得到； 根據(jù)所述指定數(shù)目個樣本距離，計算所述第一類和所述第二類的類間距離； 根據(jù)所述待聚合類中每兩個類之間的類間距離，對所述待聚合類進(jìn)行聚類。
2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，當(dāng)所述第一類和所述第二類的類間距離 為平均距離時，所述根據(jù)所述指定數(shù)目個樣本距離，應(yīng)用如下公式，計算所述第一類和所述 第二類的類間距離，包括：
其中，Gp指代所述第一類，G。指代所述第二類；K為常數(shù)，指代所述指定數(shù)目；i為變量， i G [1，時；化i指代所述指定數(shù)目個樣本距離中第i個樣本距離的大??；Dk(Gp，G。）指代所 述第一類和所述第二類的類間距離。
3. 根據(jù)權(quán)利要求1所述的方法，其特征在于，當(dāng)所述第一類和所述第二類的類間距離 為中值距離時，所述根據(jù)所述指定數(shù)目個樣本距離，應(yīng)用如下公式，計算所述第一類和所述 第二類的類間距離，包括： Dk 佑p，G。）=化k/2 其中，Gp指代所述第一類，G。指代所述第二類；K為常數(shù)，指代所述指定數(shù)目；化k/2指代 所述指定數(shù)目個樣本距離中第K/2個樣本距離的大?。籇k(Gp，G。）指代所述第一類和所述第 二類的類間距離。
4. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述確定指定數(shù)目個樣本距離之前，所述 方法還包括： 根據(jù)所述第一類的樣本數(shù)量和樣本距離，計算所述第一類的類內(nèi)聚合度； 根據(jù)所述類內(nèi)聚合度，調(diào)整所述指定數(shù)目的大小。
5. 根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述第一類的樣本數(shù)量和樣本 距離，應(yīng)用如下公式，計算所述第一類的類內(nèi)聚合度，包括：
其中，Gp為樣本數(shù)量為rip的類，rip為常數(shù)，i和j為變量，i G [l，np]，j G [l，np]，d。 指代類6。中樣本X郝樣本X之間的距離，^/&指代類6。的類內(nèi)聚合度。
6. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述待聚合類中每兩個類之間 的類間距離，對所述待聚合類進(jìn)行聚類，包括： 在所述每兩個類之間的類間距離中，確定類間距離最小的兩個類； 將所述類間距離最小的兩個類進(jìn)行聚合，得到一個新類；
計算所述新類分別與第=類的類間距離，所述第=類為除所述類間距離最小的兩個類 之外的其他類； 重復(fù)執(zhí)行上述步驟，直至得到一個聚合類。
7. -種聚類分析裝置，其特征在于，所述裝置包括： 樣本距離計算模塊，用于對于待聚合類中的第一類和第二類，計算所述第一類和所述 第二類中兩兩樣本之間的距離，所述兩兩樣本中一個樣本來自于所述第一類，另一個樣本 來自于所述第二類； 樣本距離確定模塊，用于將得到的樣本距離按照預(yù)定順序進(jìn)行排序，確定指定數(shù)目個 樣本距離，所述指定數(shù)目根據(jù)所述第一類或所述第二類的類內(nèi)聚合度調(diào)整得到； 類間距離計算模塊，用于根據(jù)所述指定數(shù)目個樣本距離，計算所述第一類和所述第二 類的類間距離； 聚類模塊，用于根據(jù)所述待聚合類中每兩個類之間的類間距離，對所述待聚合類進(jìn)行 聚類。
8. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述類間距離計算模塊，用于當(dāng)所述第一 類和所述第二類的類間距離為平均距離時，根據(jù)所述指定數(shù)目個樣本距離，應(yīng)用如下公式， 計算所述第一類和所述第二類的類間距離：
其中，Gp指代所述第一類，G。指代所述第二類；K為常數(shù)，指代所述指定數(shù)目；i為變量， i G [1，時；化i指代所述指定數(shù)目個樣本距離中第i個樣本距離的大??；Dk(Gp，G。）指代所 述第一類和所述第二類的類間距離。
9. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述類間距離計算模塊，用于當(dāng)所述第一 類和所述第二類的類間距離為中值距離時，根據(jù)所述指定數(shù)目個樣本距離，應(yīng)用如下公式， 計算所述第一類和所述第二類的類間距離： Dk 佑p，G。）=化k/2 其中，Gp指代所述第一類，G。指代所述第二類；K為常數(shù)，指代所述指定數(shù)目；化k/2指代 所述指定數(shù)目個樣本距離中第K/2個樣本距離的大小；Dk(Gp，G。）指代所述第一類和所述第 二類的類間距離。
10. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述裝置還包括： 類內(nèi)聚合度計算模塊，用于根據(jù)所述第一類的樣本數(shù)量和樣本距離，計算所述第一類 的類內(nèi)聚合度； 指定數(shù)目調(diào)整模塊，用于根據(jù)所述類內(nèi)聚合度，調(diào)整所述指定數(shù)目的大小。
11. 根據(jù)權(quán)利要求10所述的裝置，其特征在于，所述指定數(shù)目調(diào)整模塊，用于根據(jù)所述 第一類的樣本數(shù)量和樣本距離，應(yīng)用如下公式，計算所述第一類的類內(nèi)聚合度：
其中，Gp為樣本數(shù)量為rip的類，rip為常數(shù)，i和j為變量，i G [l，np]，j G [l，np]，d。
指代類Gp中樣本X郝樣本X j.之間的距離，指代類Gp的類內(nèi)聚合度。
12. 根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述聚類模塊，用于在所述每兩個類之 間的類間距離中，確定類間距離最小的兩個類；將所述類間距離最小的兩個類進(jìn)行聚合，得 到一個新類；計算所述新類分別與第=類的類間距離，所述第=類為除所述類間距離最小 的兩個類之外的其他類；重復(fù)執(zhí)行上述步驟，直至得到一個聚合類。
13. -種聚類分析設(shè)備，其特征在于，所述設(shè)備包括： 處理器； 用于存儲處理器可執(zhí)行指令的存儲器； 其中，所述處理器被配置為；對于待聚合類中的第一類和第二類，計算所述第一類和所 述第二類中兩兩樣本之間的距離，所述兩兩樣本中一個樣本來自于所述第一類，另一個樣 本來自于所述第二類；將得到的樣本距離按照預(yù)定順序進(jìn)行排序，確定指定數(shù)目個樣本距 離，所述指定數(shù)目根據(jù)所述第一類或所述第二類的類內(nèi)聚合度調(diào)整得到；根據(jù)所述指定數(shù) 目個樣本距離，計算所述第一類和所述第二類的類間距離；根據(jù)所述待聚合類中每兩個類 之間的類間距離，對所述待聚合類進(jìn)行聚類。
【專利摘要】本公開是關(guān)于一種聚類分析方法、裝置及設(shè)備，屬于數(shù)據(jù)處理技術(shù)領(lǐng)域。方法包括：對于待聚合類中的第一類和第二類，計算所述第一類和所述第二類中兩兩樣本之間的距離；將得到的樣本距離按照預(yù)定順序進(jìn)行排序，確定指定數(shù)目個樣本距離，所述指定數(shù)目根據(jù)所述第一類或所述第二類的類內(nèi)聚合度調(diào)整得到；根據(jù)所述指定數(shù)目個樣本距離，計算所述第一類和所述第二類的類間距離；根據(jù)所述待聚合類中每兩個類之間的類間距離，對所述待聚合類進(jìn)行聚類。由于基于類的形狀自適應(yīng)地調(diào)整了指定數(shù)目的大小，并基于該指定數(shù)目確定了計算類間距離所使用的樣本距離基數(shù)，所以得到的計算結(jié)果較為精準(zhǔn)，不易受異常數(shù)據(jù)和噪聲等的影響。在進(jìn)行聚類時，聚類效果較好。
【IPC分類】G06F17-30
【公開號】CN104598544
【申請?zhí)枴緾N201410852005
【發(fā)明人】陳志軍, 張濤, 關(guān)亞勇
【申請人】小米科技有限責(zé)任公司
【公開日】2015年5月6日
【申請日】2014年12月31日