样本聚类方法、装置、设备及可读存储介质制造方法及图纸

本申请公开了一种样本聚类方法、装置、设备和可读存储介质，所述样本聚类方法包括：接收待聚类数据，并对所述待聚类数据进行预处理，获得各第一类型数据和各第二类型数据，对各所述第一类型数据和各所述第二类型数据进行聚类处理，获得聚类样本，基于所述聚类样本，与所述第一设备关联的各第二设备进行联邦学习。本申请解决了样本获取效率低的技术问题。

Sample clustering method, device, device and readable storage medium

【技术实现步骤摘要】
样本聚类方法、装置、设备及可读存储介质
本申请涉及金融科技(Fintech)的人工智能
，尤其涉及一种样本聚类方法、装置、设备及可读存储介质。
技术介绍
随着金融科技，尤其是互联网科技金融的不断发展，越来越多的技术(如分布式、区块链Blockchain、人工智能等)应用在金融领域，但金融业也对技术提出了更高的要求，如对金融业对应待办事项的分发也有更高的要求。随着计算机软件和人工智能的不断发展，人工智能的应用也越来越广泛，在无人驾驶领域，许多基础算法模块均涉及到基于数据的人工智能技术，例如，无人车的感知模块和路径规划模块的部分技术等，进而利用该技术进行路测可收集训练样本用于进行无人车自动驾驶的训练，但是，单个无人驾驶公司利用该方法收集的训练样本的数量往往是有限的，而不同的无人驾驶公司之间的训练样本往往是互相保密的，极大程度上影响了各无人车公司获取训练样本的效率，且路测收集的训练样本往往存在过多的噪音，难以筛选出特征丰富度高的训练样本，进而导致各无人驾驶公司获取样本的效率更低，所以，现有技术中存在样本获取效率低的技术问题。...

【技术保护点】
1.一种样本聚类方法，其特征在于，所述样本聚类方法应用于第一设备，所述样本聚类方法包括：/n接收待聚类数据，并对所述待聚类数据进行预处理，获得各第一类型数据和各第二类型数据；/n对各所述第一类型数据和各所述第二类型数据进行聚类处理，获得聚类样本；/n基于所述聚类样本，与所述第一设备关联的各第二设备进行联邦学习。/n

【技术特征摘要】
1.一种样本聚类方法，其特征在于，所述样本聚类方法应用于第一设备，所述样本聚类方法包括：
接收待聚类数据，并对所述待聚类数据进行预处理，获得各第一类型数据和各第二类型数据；
对各所述第一类型数据和各所述第二类型数据进行聚类处理，获得聚类样本；
基于所述聚类样本，与所述第一设备关联的各第二设备进行联邦学习。


2.如权利要求1所述样本聚类方法，其特征在于，各所述第一类型数据包括一个或多个的车辆动力学数据，各所述第二类型数据包括一个或者多个环境数据，
所述对各所述第一类型数据和各所述第二类型数据进行聚类处理，获得聚类样本的步骤包括：
对各所述车辆动力学数据进行聚类处理，获得车辆动力学聚类数据，并从各所述车辆动力学聚类数据中选取第一类型样本；
对各所述环境数据进行降维处理，获得所述降维数据，并在所述降维数据中选取各所述第一类型样本对应的待聚类降维数据；
对各所述待聚类降维数据进行聚类处理，获得第二类型样本，并从所述第一类型样本和所述第二类型样本中选取所述聚类样本。


3.如权利要求2所述样本聚类方法，其特征在于，所述第一类型样本包括一个或者多个第一类型时间片段数据，所述第二类型样本包括一个或者多个第二类型时间片段数据，
所述从所述第一类型样本和所述第二类型样本中选取所述聚类样本的步骤包括：
从各所述第一类型时间片段数据中选取预设数量的第一聚类数据，并获取各所述第一聚类数据对应的时间片段；
基于各所述时间片段，在各所述第二类型时间片段数据中选取各所述第一聚类数据对应的第二聚类数据；
分别将各所述第一聚类数据和各所述第二聚类数据中所述片段相同的数据进行组合，获得所述聚类样本。


4.如权利要求2所述样本聚类方法，其特征在于，所述对各所述车辆动力学数据进行聚类处理，获得车辆动力学聚类数据的步骤包括：
将各所述车辆动力学数据输入预设聚类模型，以对各所述车辆动力学数据进行分簇，获得预设个数的聚类数据簇；
判断各所述聚类数据簇是否达到预设训练完成条件，若各所述聚类数据簇达到预设训练完成条件，则将各所述聚类数据簇作为所述车辆动力学聚类数据；
若各所述聚类数据簇未达到预设训练完成条件，则重新对各所述车辆动力学数据进行分簇，直至各所述聚类数据簇达到预设训练完成条件。


5.如权利要求2所述样本聚类方法，其特征在于，所述对各所述环境数据进行降...

【专利技术属性】
技术研发人员：鞠策，高大山，
申请(专利权)人：深圳前海微众银行股份有限公司，
类型：发明
国别省市：广东;44