基于K-Means算法的数据聚类方法和装置制造方法及图纸
Data clustering method and device based on K-Means algorithm
The invention discloses a method and a device for K data clustering based on Means algorithm, which belongs to the technical field of computer. The method includes: receiving server clustering clustering request, the clustering request including the maximum amount of computation, the number of categories K and clustered data sets; cluster server based on the maximum amount of calculation, determine the adjustment factor corresponding to the maximum amount of calculation; and a random selection of data from the data; clustering server according to the adjustment factor and the random selection of data select K, 1 data from the data set, randomly selected data and K data of 1 data set K initial clustering center; cluster server according to the K of the initial cluster centers, clustering of N data in data set. The invention can automatically adjust the clustering efficiency according to the maximum amount of calculation, so as to improve the clustering efficiency.
【技术实现步骤摘要】
基于K-Means算法的数据聚类方法和装置
本专利技术涉及计算机
，特别涉及一种基于K-Means算法的数据聚类方法和装置。
技术介绍
K-Means算法是最为经典的基于距离的聚类算法，采用距离作为相似性的评价指标，即认为两个对象的距离越近，这两个对象相似度就越大。基于K-means算法对数据进行聚类的过程可以为：将待分类的数据组成一个数据集以及指定所要分成的类别数目K，从数据集中随机选择K个数据作为K个类别的初始聚类中心，对于数据集中除K个初始聚类中心之外的每个数据，分别计算该数据与K个初始聚类中心中的每个初始聚类中心之间的距离，并将该数据归到与该数据距离最近的初始聚类中心对应的类别中，然后根据K个类别中包括的数据，重新计算K个类别的新的聚类中心，然后将数据集中的数据重新进行分类，直到K个类别中的每个类别的相邻两次聚类中心之间的距离在预设距离内。现有技术至少存在如下技术问题：由于K个类别的初始聚类中心是随机选择的，因此，当K较大和/或数据集中包括的数据较多，计算量会增大，导致聚类效率低。
技术实现思路
为了解决现有技术的问题，本专利技术提供了一种基于K-Mea...
【技术保护点】
一种计算设备，其特征在于，所述计算设备用于将待处理的数据集包括的N个数据聚类至K个类别中，所述N为大于K的整数，所述K为预设的类别数量且为大于或等于2的整数，K个类别中的每个类别对应一个初始聚类中心；所述计算设备包括通信接口、处理器和存储器，所述通信接口分别与所述处理器和存储器建立通信连接，所述处理器与所述存储器建立通信连接；所述通信接口，用于接收聚类请求，所述聚类请求包括最大计算量、所述K和所述数据集；所述存储器，用于存储所述最大计算量、所述K和所述数据集；所述处理器，用于根据所述最大计算量，确定所述最大计算量对应的调整因子；所述处理器，还用于从所述存储器中获取所述数据集...
【技术特征摘要】
1.一种计算设备，其特征在于，所述计算设备用于将待处理的数据集包括的N个数据聚类至K个类别中，所述N为大于K的整数，所述K为预设的类别数量且为大于或等于2的整数，K个类别中的每个类别对应一个初始聚类中心；所述计算设备包括通信接口、处理器和存储器，所述通信接口分别与所述处理器和存储器建立通信连接，所述处理器与所述存储器建立通信连接；所述通信接口，用于接收聚类请求，所述聚类请求包括最大计算量、所述K和所述数据集；所述存储器，用于存储所述最大计算量、所述K和所述数据集；所述处理器，用于根据所述最大计算量，确定所述最大计算量对应的调整因子；所述处理器，还用于从所述存储器中获取所述数据集，并从所述数据集中随机选择一个数据；所述处理器，还用于根据所述调整因子和所述随机选择的数据，从所述数据集中选择K-1个数据，所述随机选择的数据和所述K-1个数据构成所述数据集的K个初始聚类中心；所述处理器，还用于根据所述K个初始聚类中心，对所述数据集中的N个数据进行聚类。2.根据权利要求1所述的计算设备，其特征在于，所述聚类请求中还包括所述数据集的训练次数和数据大小；所述处理器，还用于根据所述训练次数、所述数据大小和所述K，确定对所述数据集包括的N个数据进行聚类时的中心点初始化计算量和迭代训练计算量；所述处理器，还用于根据所述中心点初始化计算量、所述迭代训练计算量和所述最大计算量，确定所述最大计算量对应的调整因子。3.根据权利要求1所述的计算设备，其特征在于，所述处理器，还用于根据所述调整因子，从所述数据集中选择M个数据，所述M为大于K的整数；所述处理器，还用于根据所述随机选择的数据和所述M个数据，从所述M个数据中选择与所述随机选择的数据之间的距离最远的K-1个数据。4.根据权利要求1所述的计算设备，其特征在于，所述处理器，还用于根据所述K个初始聚类中心和所述数据集中的N个数据，确定K个最终聚类中心；对于所述数据集中的任一数据，所述处理器，还用于分别计算所述任一数据与所述K个最终聚类中心中的每个最终聚类中心之间的距离；所述处理器，还用于从所述K个最终聚类中心中选择与所述任一数据之间的距离最小的最终聚类中心，将所述任一数据聚类到所述选择的最终聚类中心对应的类别中。5.根据权利要求4所述的计算设备，其特征在于，当所述任一数据包括文本类型字段和数字类型字段时，所述处理器，还用于获取所述任一数据包括的每个分词；所述处理器，还用于分别计算所述每个分词的加权值，并根据所述每个分词的加权值和所述K个最终聚类中心中的每个最终聚类中心，分别计算所述任一数据与所述每个最终聚类中心之间的距离。6.根据权利要求1-5任一所述的计算设备，其特征在于，所述处理器，还用于从所述K个类别中，选择待淘汰类别，所述待淘汰类别包括数据的数量P大于预设数目；所述处理器，还用于从所述待淘汰类别包括的数据中淘汰与所述待淘汰类别的最终聚类中心之间的距离最远的(P-所述预设数目)个数据；所述处理器，还用于根据所述待淘汰类别中除所述淘汰的数据之外的数据，更新所述待淘汰类别的最终聚类中心。7.一种基于K-Means算法的数据聚类方法，其特征在于，所述方法由聚类服务器执行，用于将待处理的数据集包括的N个数据聚类至K个类别中，所述N为大于K的整数，所述K为预设的类别数量且为大于或等于2的整数，K个类别中的每个类别对应一个初始聚类中心，所述方法包括：聚类服务器接收聚类请求，所述聚类请求包括最大计算量、所述K和所述数据集；所述聚类服务器根据所述最大计算量，确定所述最大计算量对应的调整因子；所述聚类服务器从所述数据集中随机选择一个数据；所述聚类服务器根据所述调整因子和所述随机选择的数据，从所述数据集中选择K-1个数据，所述随机选择的数据和所述K-1个数据构成所述数据集的K个初始聚类中心；所述聚类服务器根据所述K个初始聚类中心，对所述数据集中的N个数据进行聚类。8.根据权利要求7所述的方法，其特征在于，所述聚类请求中还包括所述数据集的训练次数和数据大小；所述聚类服务器根据所述最大计算量，确定所述最大计算量对应的调整因子，包括：所述聚类服务器根据所述训练次数、所述数据大小和所述K，确定对所述数据集包括的N个数据进行聚类时的中心点初始化计算量和迭代训练计算量；所述聚类服务器根据所述中心点初始化计算量、所述迭代训练计算量和所述最大计算量，确定所述最大计算量对应的调整因子。9.根据权利要求7所述的方法，其特征在于，所述聚类服务器根据所述调整因子和所述随机选择的数据，从所述数据集中选择K-1个数据，包括：...
【专利技术属性】
技术研发人员：胡斐然，王楠楠，曹俊，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。