本发明专利技术实施例提供一种用于对被管理对象进行分类的方法和装置，属于数据科学和数据查询领域。该方法包括：接收参与分类的每一被管理对象的度量指标；以及基于预设聚类算法模型，根据所接收的度量指标，对参与分类的所述被管理对象进行分类，其中，所述预设聚类算法模型的初始簇心根据预设分散簇心方法而被确定。籍此，实现了根据被管理对象的情况对被管理对象进行分类。理对象进行分类。理对象进行分类。
【技术实现步骤摘要】
用于对被管理对象进行分类的方法和装置
[0001]本专利技术涉及数据科学和数据查询领域，具体地涉及一种用于对被管理对象进行分类的方法和装置。
技术介绍
[0002]现有技术中，对于城市间门店的运营，是单点式的，人力成本极高；没有一套基于城市门店客观现状的城市分层运营模型，多是基于人为经验归类，根据门店客观情况，找出哪些城市门店情况具有相似性，尚属空白。此外，常规聚类模型容易陷于局部最优的问题，非全局最优。
技术实现思路
[0003]本专利技术实施例的目的是提供一种用于对被管理对象进行分类的方法和装置，其可解决或至少部分解决上述问题。
[0004]为了实现上述目的，本专利技术实施例的一个方面提供一种用于对被管理对象进行分类的方法，该方法包括：接收参与分类的每一被管理对象的度量指标；以及基于预设聚类算法模型，根据所接收的度量指标，对参与分类的所述被管理对象进行分类，其中，所述预设聚类算法模型的初始簇心根据预设分散簇心方法而被确定。
[0005]可选地，所述初始簇心的数量为N，所述预设分散簇心方法包括：当N 为2时，在所接收的度量指标中，随机选取一所述度量指标作为第一初始簇心；以及确定第二初始簇心，其中，所述第二初始簇心为所接收的度量指标除去所述第一初始簇心后剩余的度量指标中距离所述第一初始簇心最远的度量指标；和/或当N≥3时，在所接收的度量指标中，随机选取一所述度量指标作为第一初始簇心；确定第二初始簇心，其中，所述第二初始簇心为所接收的度量指标除去所述第一初始簇心后剩余的度量指标中距离所述第一初始簇心最远的度量指标；以及根据以下内容依次确定剩余的初始簇心：计算所接收的度量指标中除前(n
‑
1)个初始簇心之外的至少一个所述度量指标的最短簇心距离，选取计算得到的最短簇心距离中的最大值对应的所述度量指标作为第n个初始簇心，其中，所述至少一个度量指标中的任一度量指标的所述最短簇心距离为该度量指标与所述前(n
‑
1)个初始簇心的距离中的最小值，3≤n≤N。
[0006]可选地，在基于预设聚类算法模型根据所接收的度量指标对参与分类的所述被管理对象进行分类之前，该方法还包括：对所述度量指标中包括的每一度量参数进行标准化处理。
[0007]可选地，在基于预设聚类算法模型根据所接收的度量指标对参与分类的所述被管理对象进行分类之前，该方法还包括：在所述度量指标包括三个以及三个以上度量参数的情况下，基于主成分分析模型，对所述度量指标进行降维。
[0008]相应地，本专利技术实施例的另一方面提供一种用于对被管理对象进行分类的装置，该装置包括：接收模块，用于接收参与分类的每一被管理对象的度量指标；以及分类模块，
用于基于预设聚类算法模型，根据所接收的度量指标，对参与分类的所述被管理对象进行分类，其中，所述预设聚类算法模型的初始簇心根据预设分散簇心方法而被确定。
[0009]可选地，所述初始簇心的数量为N，所述预设分散簇心方法包括：当N 为2时，在所接收的度量指标中，随机选取一所述度量指标作为第一初始簇心；以及确定第二初始簇心，其中，所述第二初始簇心为所接收的度量指标除去所述第一初始簇心后剩余的度量指标中距离所述第一初始簇心最远的度量指标；和/或当N≥3时，在所接收的度量指标中，随机选取一所述度量指标作为第一初始簇心；确定第二初始簇心，其中，所述第二初始簇心为所接收的度量指标除去所述第一初始簇心后剩余的度量指标中距离所述第一初始簇心最远的度量指标；以及根据以下内容依次确定剩余的初始簇心：计算所接收的度量指标中除前(n
‑
1)个初始簇心之外的至少一个所述度量指标的最短簇心距离，选取计算得到的最短簇心距离中的最大值对应的所述度量指标作为第n个初始簇心，其中，所述至少一个度量指标中的任一度量指标的所述最短簇心距离为该度量指标与所述前(n
‑
1)个初始簇心的距离中的最小值，3≤n≤N。
[0010]可选地，该装置还包括：标准化处理模块，用于在基于预设聚类算法模型根据所接收的度量指标对参与分类的所述被管理对象进行分类之前，对所述度量指标中包括的每一度量参数进行标准化处理。
[0011]可选地，该装置还包括：降维模块，用于在基于预设聚类算法模型根据所接收的度量指标对参与分类的所述被管理对象进行分类之前，在所述度量指标包括三个以及三个以上度量参数的情况下，基于主成分分析模型，对所述度量指标进行降维。
[0012]此外，本专利技术实施例的另一方面还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的方法。
[0013]另外，本专利技术实施例的另一方面还提供一种处理器，用于运行程序，其中，所述程序被运行时用于执行上述的方法。
[0014]此外，本专利技术实施例的另一方面还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述的方法。
[0015]通过上述技术方案，基于被管理对象的度量指标对被管理对象进行分类，被管理对象的度量指标反应了被管理对象的情况，实现了根据被管理对象的情况对被管理对象进行分类；此外，在基于预设聚类算法模型进行分类时初始簇心基于预设分散簇心方法来确定，使得初始簇心不再是随机选取，并且初始簇心在整个用于分类的数据中是分散的，避免了局部最优的问题，实现了全局最优。
[0016]本专利技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0017]附图是用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本专利技术实施例，但并不构成对本专利技术实施例的限制。在附图中：
[0018]图1是本专利技术一实施例提供的用于对被管理对象进行分类的方法的流程图；
[0019]图2是本专利技术另一实施例提供的城市分组示意图；
[0020]图3是本专利技术另一实施例提供的K与簇内距离平方和的对应关系图；以及
[0021]图4是本专利技术另一实施例提供的用于对被管理对象进行分类的结构框图。
[0022]附图标记说明
[0023]1ꢀꢀ
接收模块
ꢀꢀꢀ2ꢀꢀ
分类模块
具体实施方式
[0024]以下结合附图对本专利技术实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本专利技术实施例，并不用于限制本专利技术实施例。
[0025]本专利技术实施例的一个方面提供一种用于对被管理对象进行分类的方法。
[0026]图1是本专利技术一实施例提供的用于对被管理对象进行分类的方法的流程图。如图1所示，该方法包括以下内容。
[0027]在步骤S10中，接收参与分类的每一被管理对象的度量指标。其中，度量指标可以根据具体情况而定，只要能反应出被管理对象的情况即可。例如，度量指标可以包括不同的度量参数，例如，反应被管理对象规模的参数，例如，被管理对象规模的均值和标准差。具体地，被管理对象是门店，门店规模可以是本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于对被管理对象进行分类的方法，其特征在于，该方法包括：接收参与分类的每一被管理对象的度量指标；以及基于预设聚类算法模型，根据所接收的度量指标，对参与分类的所述被管理对象进行分类，其中，所述预设聚类算法模型的初始簇心根据预设分散簇心方法而被确定。2.根据权利要求1所述的方法，其特征在于，所述初始簇心的数量为N，所述预设分散簇心方法包括：当N为2时，在所接收的度量指标中，随机选取一所述度量指标作为第一初始簇心；以及确定第二初始簇心，其中，所述第二初始簇心为所接收的度量指标除去所述第一初始簇心后剩余的度量指标中距离所述第一初始簇心最远的度量指标；和/或当N≥3时，在所接收的度量指标中，随机选取一所述度量指标作为第一初始簇心；确定第二初始簇心，其中，所述第二初始簇心为所接收的度量指标除去所述第一初始簇心后剩余的度量指标中距离所述第一初始簇心最远的度量指标；以及根据以下内容依次确定剩余的初始簇心：计算所接收的度量指标中除前(n
‑
1)个初始簇心之外的至少一个所述度量指标的最短簇心距离，选取计算得到的最短簇心距离中的最大值对应的所述度量指标作为第n个初始簇心，其中，所述至少一个度量指标中的任一度量指标的所述最短簇心距离为该度量指标与所述前(n
‑
1)个初始簇心的距离中的最小值，3≤n≤N。3.根据权利要求1或2所述的方法，其特征在于，在基于预设聚类算法模型根据所接收的度量指标对参与分类的所述被管理对象进行分类之前，该方法还包括：对所述度量指标中包括的每一度量参数进行标准化处理。4.根据权利要求1或2所述的方法，其特征在于，在基于预设聚类算法模型根据所接收的度量指标对参与分类的所述被管理对象进行分类之前，该方法还包括：在所述度量指标包括三个以及三个以上度量参数的情况下，基于主成分分析模型，对所述度量指标进行降维。5.一种用于对被管理对象进行分类的装置，其特征在于，该装置包括：接收模块，用于接收参与分类的每一被管理对象的度量指标；以及分类模块，用于基于预设聚类算法模型，根据所接收的度量指标，对参与分类的所述被管理对象进行分类，其中，所述预设聚类算法模型的初始簇心根据预设分散簇心...
【专利技术属性】
技术研发人员：张胤桐，李璐，于乐，
申请(专利权)人：北京房江湖科技有限公司，
类型：发明
国别省市：
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。